Conception préliminaire d’actionneurs

électromécaniques - outils d’aide à la spécification et à la

génération de procédures de dimensionnement pour
l’optimisation
Aurelien Reysset

To cite this version:

Aurelien Reysset. Conception préliminaire d’actionneurs électromécaniques - outils d’aide à la spéci-
fication et à la génération de procédures de dimensionnement pour l’optimisation. Génie mécanique
[[Link]-ph]. INSA de Toulouse, 2015. Français. �NNT : 2015ISAT0003�. �tel-01127950�

HAL Id: tel-01127950

[Link]
Submitted on 9 Mar 2015

HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
 THÈSE
En vue de l’obtention du

DOCTORAT DE L’UNIVERSITÉ DE TOULOUSE

Délivré par :
INSTITUT NATIONAL DES SCIENCES APPLIQUEES de Toulouse

Présentée et soutenue par :

Aurélien REYSSET
Le 23 janvier 2015
Titre :
Conception préliminaire d'actionneurs
électromécaniques - outils d'aide à la spécification et à la
génération de procédures de dimensionnement pour
l'optimisation

Ecole doctorale et discipline ou spécialité :

ED-MEGEP : Génie mécanique, mécanique des matériaux
Unité de recherche :
Institut Clément Ader (ICA)
Directeurs de Thèse :
Jean-Charles MARE
Marc BUDINGER
Membres du jury :
Jean RENAUD, Professeur, INSA Strasbourg - LGéCO - Rapporteur
Frédéric WURTZ, Maitre de conférences, INP Grenoble - CNRS - Rapporteur
Elise VAREILLES, Maitre de conférences, Mines d'Albi - CGI
Jean-Yves CHOLEY, Maitre de conférences, SUPMECA - LISMMA
Marc BUDINGER, Maître de conférences, INSA Toulouse - ICA
Jean-Charles MARE, Professeur, INSA Toulouse – ICA
 Cette thèse a pour objectif d’apporter un ensemble d’outils logiciels s’inscrivant dans
une méthodologie globale de conception de systèmes mécatroniques. Elle arrive en com-
plément de travaux déjà menés au sein du laboratoire sur le prédimensionnement
d’actionneurs aéronautiques de nouvelle génération : les actionneurs électromécaniques
(EMA). Cette technologie apporte de nouvelles problématiques qui forcent les ingénieurs
à modifier leur processus de développement et ce dès la phase de spécification où des pro-
fils de mission devront être générés/transformés/analysés de manière à simplifier la con-
ception et assurer leur validation. Une toolbox Simulink a donc été créée dans cette thèse
pour répondre à ce besoin de transformation de l’information entre avionneur et systé-
mier. Comme tout système embarqué, le concepteur fait face à des compromis entre per-
formances, durée de vie et intégration, qui peuvent se résumer à un problème
d’optimisation décrit par un ensemble d’équations et de contraintes. Un effort particulier
de description a été mené sur le conditionnement de ces équations sous la forme d’un sé-
quencement de calculs explicites adaptés aux algorithmes d’optimisation. La méthode et
son implémentation logicielle, toutes deux basées sur la théorie des graphes, interagissent
avec le concepteur de manière à l’informer des erreurs de singularité ou de bouclages al-
gébriques apparaissant dans son problème et à lui fournir des pistes de résolution. Pour
finir, des études de prédimensionnement d’actionneurs de train d’atterrissage et de sur-
faces de vol primaires (aileron et spoiler), réalisées dans le cadre de cette thèse, dresseront
les possibilités offertes par cette approche innovante : conception intégrée avec une ciné-
matique complexe, conception collaborative pluri-partenaires découplée, utilisation de
surfaces de réponse pour accélérer l’optimisation.

The aim of this thesis is to bring a package of software tools included in a whole
methodology dealing with mechatronic systems design. It comes as an add-on to the work
already carried out at the laboratory in the field of the new generation of aircraft actua-
tion systems: electromechanical actuators (EMA). This technology triggers new problem-
atics leading the engineers to modify their development process as early as the specifica-
tion phase, when mission profiles have to be generated/transformed/analyzed in order to
simplify the design and ensure the validation step. Thus a Simulink toolbox has been cre-
ated to meet the need for an information translator working as an intermediate between
airframer and system-supplier. As for all the embedded systems, the designer has to face
some performance-lifetime-integration trade-off, which can be considered as an optimi-
zation problem described by a set of equations and constraints. Particular attention is
paid here to the conditioning of those explicit equations in order to obtain a standardized
calculation sequence adapted to many optimization algorithms. The method and imple-
mented software, both based on the graph theory, interact with the designer to inform
him on the possible singularity and algebraic loop issues, providing some leads for their
resolution. Finally, some preliminary sizing studies of landing gear and primary flight
control surfaces (aileron and spoiler) actuation systems are presented to highlight the
possibilities brought out by this innovative approach: integrated design with complex
kinematics, collaborative multi-partners design, use of response surfaces to speed up the
optimization.
 Ce travail a été mené au sein de l’Institut Clément Ader de Toulouse et sous la direc-
tion de Marc Budinger et Jean-Charles Maré dans le cadre du projet Européen
ACTUATION 2015. Je tiens à remercier ici tous les personnes qui ont contribué à ce que
ces 3 années de doctorat s’effectuent dans des conditions optimales, motivantes et enri-
chissantes.

Mes remerciements s’adressent en particulier :

À M. Marc Budinger pour m’avoir proposé ce doctorat en premier lieu, mais aussi pour
son expertise technique/scientifique, ses nombreuses qualités humaines, les idées et con-
seils prodigués et enfin sa grande disponibilité à mon égard. Ce fût pour moi un réel plai-
sir que de travailler conjointement sur ce projet et de pouvoir m’enrichir scientifiquement
à ses côtés.

Au professeur Jean-Charles Maré pour m’avoir fait part de son expérience profession-
nelle dans le domaine, pour le co-encadrement de ces travaux, d’avoir partagé sa vision
pragmatique sur les problèmes abordés et les moments conviviaux partagés.

À leurs épouses respectives, Mme. Valérie Budinger et Mme. Dominique Maré pour
leur accueil et hospitalité.

À M. Jean Renaud et M. Frédéric Wurtz, pour avoir accepté d’examiner ce mémoire

et d’en être les rapporteurs, ainsi que pour leurs précieuses remarques.

Au professeur Jean Renaud, pour avoir présidé la commission d’examen avec une
grande justesse, ainsi que pour son intérêt pour ces travaux.

À Mme. Elise Vareilles et M. Jean-Yves Choley, pour m’avoir fait l’honneur de pren-
dre part au jury auquel ils ont apporté leur vision éclairée.

Aux membres de l’ICA pour l’ambiance réservée. Par ordre alphabétique : Christine
Barrot, Tahar Benhadou, Clément Coic, Stéphane Collin, Alain Daidié, Simon Dols,
Mickael Duval, Amine Fraj, Emmanuelle Gnesi, Fabien Hospital, Nicolas Laurien, Hacene
Mohand, Stéphane Orieux, Manuel Paredes, Jean-Noel Perie, Luis Perini, Thomas Ros,
Florian Sanchez, Tarek Sultan, Jerome Thauvin et tous ceux que j’aurais pu oublier.

Aux membres de l’association TIM, trop nombreux pour être énumérés, mais avec qui
j’ai pu partager des moments mémorables.

Finalement, mes derniers remerciements vont à mes proches à qui je dédie ce mémoire.
 Dans ce chapitre sera présenté le contexte contractuel et de recherche dans lequel
s’inscrit cette thèse. Seront abordés les travaux antérieurs réalisés par l’équipe pour bien
mettre en parallèle les besoins du projet et la continuité des outils/méthodes développés
dans le laboratoire au cours des dernières années.
CAO Conception Assistée par Ordinateur
CISACS Concept Innovant de Systèmes d’Actionnement de Commandes de
vols secondaires et de Servitudes
ELISA ElectricaL Innovative Surface Actuation
EMA Electro-Mechanical Actuator
EPICA Electrically Powered Integrated Control Actuators
FP7 Framework Program 7
MEA More Electrical Aircraft
MOET More Open Electrical Technologies
MS2M Modélisation des Systèmes et Microsystèmes Mécaniques
POA Power Optimized Aircraft
SP Service Package
THSA Trimmable Horizontal Stabilizer Actuator
UTAS UTC Aerospace Systems
V&V Verification and Validation
WP Work Package
 La tendance actuelle pour le secteur du transport est à l’économie d’énergie qui repré-
sente une part importante des coûts d’exploitation des compagnies (environ 30%). Ceci a
conduit les constructeurs à travailler sur de nombreux axes tels que l’amélioration de
l’aérodynamique (« winglets », aile delta…), de la motorisation (Airbus A320neo et
A330neo, optimisation de la régulation du moteur, turboréacteur à hélice rapide ou
« open-rotor »…), l’allègement des structures par l’introduction de la fibre de carbone
(Airbus A350, Boeing 787), une meilleure gestion du trafic aérien [1] (optimisation des
trajectoires et procédures d’approche, vols groupés…), l’intégration de nouvelles fonction-
nalités telle que le roulage autonome (« green-taxiing ») ou encore une électrification des
servitudes en vue d’optimiser les consommations de puissance secondaire, avec en point de
mire l’avion plus électrique (« More Electric Aircraft » - MEA) voire tout électrique
[2,3,4]. C’est sur cette dernière thématique que s’inscrivent les travaux de l’équipe d’une
manière générale tout comme les études menées dans cette thèse.

Figure 0.1 – Comparaison de l’architecture conventionnelle à celle du MEA [2]

Les intérêts de l’électrification sont multiples : simplifier l’architecture globale, aug-

menter ses fiabilité et reconfigurabilité, diminuer les coûts de maintenance et de consom-
mations… Néanmoins, certains verrous (notamment concernant les convertisseurs de puis-
sance) ont repoussé ce saut technologique, et il a fallu un fort investissement industriel au
niveau de la recherche depuis une vingtaine d’année (« Electrically Powered Integrated
Control Actuators » – EPICA : 1993-1997, « ElectricaL Innovative Surface Actuation » –
ELISA : 1999-2001, « Power Optimized Aircraft » – POA : 2002-2006, « More Open
Electrical Technologies » – MOET : 2006-2009, « Concept Innovant de Systèmes
d’Actionnement de Commandes de vols secondaires et de Servitudes » – CISACS : 2008-
2011…) pour en faire sauter la grande majorité.
En termes d’applications industrielles, les avionneurs de premier rang font évoluer
leurs derniers modèles vers une technologie plus électrique avec l’Airbus A380 dont la
puissance électrique embarquée peut atteindre 800kVA et le Boeing 787, avion le plus
proche de ce que l’on pourrait appeler MEA, avec 1400kVA (les tailles d’avions devant en
plus être mises en perspective).
 Le Dreamliner (B787) est donc l’avion de ligne en fonctionnement le plus avancé au
niveau de l’électrification et le premier à adopter une pressurisation, un dégivrage et un
freinage électriques alors que l’Airbus A380 est le premier à supprimer un réseau hydrau-
lique.

Le projet ACTUATION 20151 est un projet se déroulant sur trois ans (de janvier
2012 à décembre 2014), regroupant 53 partenaires Européens présents dans 12 pays dif-
férents, avec à la tête le groupe UTAS pour un budget prévisionnel de 35M€ financé à
hauteur de 60% par l’union Européenne dans le cadre du programme FP7. Il a permis de
financer cette thèse dans sa globalité.

Ce projet, comme son nom l’indique, se dédie principalement aux systèmes

d’actionnement à technologie électromécanique embarqués à bord d’avions et
d’hélicoptères. Il s’agit avant tout d’augmenter la fiabilité de tels actionneurs (par
l’introduction de nouveaux matériaux, d’architectures dédiées, d’algorithmes de « health-
monitoring »…) et surtout d’en diminuer les coûts afin de rendre la technologie compéti-
tive. La diminution des coûts vise deux axes : les coûts de développement par la création
d’outils et méthodes standard partagées et les coûts de production par la standardisation
de certains composants et la création de gammes et de modules.

C’est principalement sur l’aspect outils et méthodes (sous projet WP3.2 – « Model ba-
sed design tools ») que l’Institut Clément Ader s’est positionné au travers de cette thèse en
fournissant une librairie de composants pour le prédimensionnement et la validation
d’EMA par simulation 0D-1D, des méthodes d’analyse de profils de mission et d’aide à la
mise en place de cahier des charges système en phase amont de projet (Chapitre 2) et des
méthodes de mise en forme d’une procédure de dimensionnement optimal.
Les diverses méthodes ont pu être appliquées sur plusieurs cas d’étude, en particulier
dans le cadre du WP1.2 – « Short to long range aircraft electrical actuators require-
ments » pour la génération de spécification d’actionneurs de trains d’atterrissage ou en-
core la validation des choix de standardisation sur un nombre restreint de cas
d’application incluse dans la phase d’étude globale de V&V du sous-projet WP6.3 – « Mo-
dularity technology & cost assessments » (travaux encore en cours au moment de la rédac-
tion de ce mémoire).

La thèse s’inscrit comme on a pu le voir dans un cadre industriel en pleine évolution,

qui s’appuie sur la recherche pour amener à maturité la technologie. D’autres projets an-
térieurs touchant au sujet ont par conséquent été traités au sein de l’équipe MS2M –
« Modélisation des Systèmes et Microsystèmes Mécaniques » et ont débouché sur un cer-
tain nombre de thèses qu’il est utile de citer afin de comprendre les apports du présent
manuscrit.

1
Site internet du projet ACTUATION-2015 : [Link]
 Les études peuvent être classées en trois catégories distinctes : des thèses plutôt tein-
tées système haut niveau (optimisation de l’architecture de puissance avion et de ses fonc-
tionnalités [5], génération et test d’un réseau électrique reconfigurable [6]), des thèses
orientées essais/calage de modèles de simulation (construction et caractérisation d’un
banc d’essais avec validation du modèle EMA [7], études de lois pour limiter la désynchro-
nisation ou « force-fighting » [8]), et des thèses intermédiaires touchant à la conception
préliminaire (simulation inverse par Bond-Graph avec étude de fiabilité d’un actionneur
THSA – « Trimmable Horizontal Stabilizer Actuator » [9], création d’une librairie de mo-
dèles composants dans l’environnement de simulation Dymola [10] pour le dimensionne-
ment et la validation d’EMA intégrant les lois d’échelle [11], aspect conception par opti-
misation collaborative [12], travaux sur les aspects : vibratoire – impact des imperfections
sur les performances dynamique – compléments sur les lois d’échelle [13], travaux sur
l’incertitude liée aux lois d’échelle ainsi que les passerelles avec la CAO et des modèles
éléments finis [14], modélisation thermique et étude des pertes dans les réducteurs [15]).
C’est dans cette dernière catégorie qu’il est possible de classer les travaux présentés
dans ce mémoire.
Deux aspects principaux sont abordés :
- L’aide à la formulation d’un cahier des charges complet et cohérent lorsque l’on
s’attaque à la conception d’actionneurs électromécaniques (aspect abordé succinc-
tement dans [11]), avec un certain nombre d’outils implémentés dans
l’environnement de simulation Matlab-Simulink.
- L’aide à l’expression et au conditionnement d’un problème de conception optimale
comportant de nombreuses lois et contraintes. Il s’agit ici de présenter des mé-
thodes pour organiser un chaînage de calcul automatisé en aidant le concepteur.
Ce sujet a découlé d’une observation faite lors de l’optimisation d’un actionneur
de train d’atterrissage [12] : utiliser des outils de simulation dynamique pour la
conception optimale est trop coûteux en temps de calcul. Il est alors plus intéres-
sant, comme on pourra le voir, d’adapter le problème en utilisant des modèles ma-
thématiques explicites équivalents.

Bien que ce mémoire soit essentiellement axé sur les deux aspects présentés plus tôt, à
savoir la spécification (Chapitre 2) et le conditionnement du dimensionnement optimal
(Chapitre 3), d’autres aspects seront abordés. Ainsi dans le Chapitre 1 sera présentée la
méthodologie générale de conception préliminaire d’un actionneur électromécanique, mé-
thode qui reprendra des travaux précédents sur les modèles dynamiques et les lois de simi-
litudes. Dans ce même chapitre sera faite la transition vers le cahier des charges en par-
lant des contraintes technologiques inhérentes aux divers composants et dont il faut tenir
compte dans toute la phase de développement. Enfin, le Chapitre 4 sera un résumé des
dimensionnements réalisés dans le cadre du projet, il comprendra quelques études de sen-
sibilité sur des points clés du cahier des charges et abordera succinctement les notions
liées à la standardisation.
 [1] Nangia R., "A vision for highly fuel-efficient commercial aviation," in EUropean
Conference for Aerospace ScienceS, Bruxelles, 2007.
[2] Forsyth A.J., "A review of more-electric aircraft," in Aerospace Sciences and
Aviation Technology, Le Caire, 2009.
[3] Langlois O. & al., "De l'avion plus électrique à l'avion tout électrique: de l'état de
l'art et prospective sur les réseaux de bord," in J3eA, vol. 4, 2005.
[4] Mare J.C., "Towards more electric drives for embedded applications: (re)discovering
the advantages of hydraulics," in 7th international conference on fluid power ,
Aachen, 2010, pp. 75-86.
[5] Hanke S., "A model-based methodology for integrated preliminary sizing and
analysis of aircraft power system architectures," Université de Toulouse, INSA
Toulouse, Thèse de doctorat 2008.
[6] Giraud X., "Méthodes et outils pour la conception optimale des réseaux de
distribution d’électricité dans les aéronefs," Université de Toulouse, Toulouse, Thèse
de doctorat 2014.
[7] Karam W., "Générateurs de forces statiques et dynamiques à haute puissance en
technologie électromécanique," Insa de Toulouse, INSA Toulouse, Thèse de doctorat
2007.
[8] Wang L., "Stratégie d'égalisation d'efforts dans les systèmes d'actionnement actif-
actif à technologie dissimilaire," Université de Toulouse, Toulouse, Thèse de doctorat
2012.
[9] Nfonguem G., "Contribution au developpement d'actionneurs plus électriques -
modélisation inverse et composants mécaniques spécifiques à une application
aéronautique," Insa de Toulouse, Toulouse, Thèse de doctorat 2006.
[10] Dassault Systems. CATIA systems engineering - Dymola. [Online].
[Link]
engineering/modelica-systems-simulation/dymola/
[11] Liscouet J., "Conception préliminaire des actionneurs électromécaniques - approche
hybride, directe/inverse," Université de Toulouse, INSA Toulouse, Thèse de doctorat
2010.
[12] El-Halabi T., "Méthodologies pour la conception optimale des systèmes
d’actionnement électromécanique," Université de Toulouse, INSA Toulouse, Thèse
de doctorat 2012.
[13] Hospital F., "Conception préliminaire des actionneurs électromécaniques basée sur
les modèles: lois d'estimations et règles de conception pour la transmission de
puissance mécanique," INSA Toulouse, Thèse de doctorat 2012.
[14] Fraj A., "Nouvelles approches en conception préliminaire basée sur les modèles pour
les actionneurs embarqués," Université de Toulouse, Toulouse, Thèse de doctorat
2014.
[15] Faugère E., "Modélisation couplée des pertes mécaniques et du comportement
thermique d’un réducteur de transmission de puissance par engrenage par réseaux
nodaux multi-niveaux," Université de Toulouse, INSA Toulouse, Thèse de doctorat
2012.
 La conception d’actionneurs aéronautiques, qui plus est d’architecture novatrice mé-
langeant les domaines de compétence électriques et mécaniques, est un challenge particu-
lier, notamment lorsqu’il faut faire face aux problématiques inhérentes aux applications
embarquées : environnement difficile, efficacité énergétique, compacité…
Ce chapitre introductif présente la méthodologie générale à mettre en place pour ré-
soudre le problème d’optimisation contraint qu’est le prédimensionnement d’un tel ac-
tionneur. Cette méthode, pouvant couvrir bien d’autres cas d’application, sera décrite
phase par phase et se basera sur divers aspects traités dans des travaux antérieurs ou me-
nés en parallèle par d’autres membres de l’équipe de recherche tels que les lois d’échelles et
les méta-modèles… Un intérêt particulier sera porté aux composants, à leurs limites et
imperfections ainsi qu’aux fonctions qu’ils sont à même de remplir afin de mieux appré-
hender la forte interaction qu’il y a entre architectures, spécifications et profils de mis-
sion.
Il s’agit en quelque sorte de montrer au lecteur l’intérêt des outils de conception, créés
durant ces travaux de thèse et présentés dans les deux chapitres, dans la phase de concep-
tion préliminaire. Une justification quant aux choix d’implémentation et notamment en ce
qui concerne la capitalisation de connaissances sera apportée.
DRESS Distributed Electrical nose gear Steering System
EBHA Electrical Back-up Hydraulic Actuator
EHA Electro-Hydraulic Actuator
EMA Electro-Mechanical Actuator
GRA Gear Rotary Actuator
IGBT Insulated Gate Bipolar Transistor
LVDT Linear Variable Differential Transformer
MDDO Meta-model Driven Design Optimization
MDO Multidisciplinary Design Optimization
MEA More Electrical Aircraft
MLI Modulation de Largeur d’Implusion
ODDO Objective Driven Design Optimization
SHA Servo-Hydrostatic Actuator
SOA Safe Operating Area
THSA Trimmable Horizontal Stabilizer Actuator
V&V Validation and Verification
 Avant même de s’intéresser davantage aux phases de développement des actionneurs
EMA, il est bon de rappeler les raisons pour lesquelles ils ont vu le jour. Même s’il est vrai
que l’architecture globale de l’avion est en train d’être remise en cause (MEA), comme ce-
la a pu être évoqué plus tôt, avec comme objectif bien précis de réduire par tous les moyens
les coûts d’exploitation, il ne s’agit pas de la seule explication quant à l’utilisation des
« systèmes d’actionnement ». Voici donc un peu d’histoire sur le « pourquoi » de leur in-
troduction.
Les systèmes d’actionnement sont présents dans les avions. Ils servent entre autres à
mouvoir les commandes de vol primaires, pour de multiples fonctions qui permettent
d’agir sur la trajectoire de l’avion par le contrôle du mouvement selon les trois axes prin-
cipaux : le tangage (cabrer ou piquer du nez – gouvernes de profondeur et plan horizon-
tal), le roulis (pencher l’avion selon l’axe longitudinal – ailerons) et le lacet (orienter le nez
de l’avion à droite ou à gauche – gouverne de direction). On les retrouve aussi sur les
commandes de configuration aérodynamique de l’avion par l’utilisation
d’hypersustentateurs (becs et volets) ou d’aérofreins (« spoilers »). Enfin des actionneurs
équipent des servitudes, telles que les trains et trappes de trains d’atterrissage, le système
de freinage, les portes cargos…

Figure 1.1 – Cas d’application des actionneurs aéronautiques [1]

Historiquement, les tailles d’avions et puissances des charges à mouvoir étant en cons-
tante augmentation, il est devenu nécessaire d’apporter une assistance aux pilotes. Des
vérins hydrauliques commandés mécaniquement ont alors remplacé les divers câbles et
tringles1, un peu à l’instar du système de direction d’une automobile.

1
Toujours présents sur les avions de petites dimensions (exemple : ATR) ou des avions conçus dans
les années 1970, avec pour rôle l’acheminement de la commande et une fonction d’actionnement de
secours (Boeing 727-737) .
 Puis, par la suite, la commande mécanique a laissé place à l’électronique, avec
l’apparition du « fly-by-wire » comme moyen d’acheminement du signal, et des action-
neurs servohydrauliques (SHA - Figure 1.2a) dans les années 1960-1970 (Concorde, F-
16…). Les intérêts sont alors multiples car l’introduction de calculateurs de vol va per-
mettre non seulement d’embarquer de nombreuses fonctionnalités (aide aux phases
d’approches : décollage/atterrissage) mais aussi d’améliorer le contrôle de stabilité et relâ-
cher ainsi les contraintes fortes en terme de conception aérodynamique (ailes delta).
L’étape suivante, bien plus récente, a été de localiser l’actionneur au plus proche de la
source de puissance, c’est ce que l’on appelle le « power-by-wire », elle se retrouve liée au
concept d’avion plus électrique. Ainsi, le réseau hydraulique est remplacé par un réseau
électrique, et localement la puissance hydraulique est générée par une pompe, c’est
l’apparition des actionneurs électro-hydrostatiques (EHA - Figure 1.2b). Ce n’est
qu’ensuite que sont apparus les premiers concepts d’actionneurs électromécaniques
(Figure 1.2d), remplaçant l’hydraulique par une chaine de transmission de puissance mé-
canique. Ce manuscrit n’a pas pour ambition de comparer ces deux technologies et les
choix faits par les avionneurs, puisque chaque concept a ses avantages et inconvénients, et
que finalement assez peu de retours d’expériences (A380 pour les EHA aileron et EBHA -
Figure 1.2c profondeur/direction, essais sur l’A320-Safran pour un concept d’EMA aile-
ron, B787 pour des EMA de spoilers et freins…) sont disponibles. Néanmoins, le principal
problème des EMA est le grippage dont la probabilité d’occurrence n’est pas critique pour
les EHA. Les solutions mécaniques permettant d’éviter ce grippage tendent à complexi-
fier grandement les architectures.
L’introduction de cette nouvelle technologie pose donc de nouvelles problématiques
non présentes sur les SHA tant au niveau des architectures que, comme on le verra, du
dimensionnement : fortes inerties réfléchies, échauffement difficilement évacuable, cou-
plages multi-domaines. C’est pour toutes ces raisons que le développement « classique » et
ses acteurs sont impactés.
Pour conclure sur les cas d’application aéronautiques de tels systèmes, le Tableau 1.1
donne un aperçu des besoins spécifiques qu’il est possible de rencontrer.
Besoins au niveau actionneur
Applications
Couple maximal Vitesse maximale Débattement
Ailerons
Direction 1 à 20kNm 30 à 40°/s 50 à 80°
Profondeur
Spoilers 15kNm 40°/s 50°
Becs/Volets 10 à 40kNm 2 à 5°/s 30°
Plan Horizontal 60 à 400kNm 0.5 à 1°/s 20°
Trains d’atterrissage 15 à 40kNm 15°/s 90°
Trappes train d’atterrissage 1.2 à 2.5kNm 60°/s 90°
Inverseurs de poussée 2.5 à 5kNm 40°/s 80°
Porte cargo 500Nm 10°/s 120°
Tableau 1.1 – Caractéristiques des actionneurs A380, extrait de [2]
 Figure 1.2 – Schéma des différents types d’actionneurs [3]

Un projet de développement d’un nouveau système s’articule de manière générale au-

tour de phases à peu près toujours identiques que l’on peut représenter par un cycle en V
[4] (Figure 1.3). Alors que la branche descendante correspond à la définition/conception
de plus en plus précise du système en partant du cahier des charges, passant par les choix
d’architecture, de dimensionnement et de conception spécifique ; la branche montante elle
se dédie à l’intégration et aux essais de validation.

Figure 1.3 – Cycle de développement en V adapté de [5]

 Ce cycle en V peut alors être répété pour faire évoluer la maturité du produit et passer
d’un prototype virtuel à un prototype physique pour finir après plusieurs itérations, si
possible virtuelles, à la version terminale produite en série.
Dans tous les cas, plus tôt on est capable d’anticiper les problèmes/limitations inhé-
rentes à la technologie utilisée, moins d’itérations seront nécessaires et le temps de déve-
loppement s’en retrouvera d’autant plus réduit. C’est pourquoi il convient de tenir compte
des tests de validation lors de la formulation des scénarios critiques (observation des phé-
nomènes transitoires et des performances extrêmes) et typiques (relatifs à l’endurance)
exprimés dans le cahier des charges. Une validation partielle par simulation multi-
modèles dès la phase de conception [5] présente aussi un intérêt tout particulier, encore
plus lorsque l’on est conduit à travailler sur la conception de systèmes innovants sur les-
quels on a peu de recul et d’expérience. Nous représentons cette boucle par la Figure 1.4.

Figure 1.4 – Bouclage entre avionneur et systémier [-]

Néanmoins, le bouclage entre la formulation des besoins - profils de mission et la gé-

nération d’architectures est plus problématique. Elle fait intervenir plusieurs acteurs
comme cela sera explicité par la suite, et nécessite un échange de connaissances pas for-
cément facile à mettre en place au niveau de partenaires industriels. C’est pour ces raisons
que la méthodologie classique a été adaptée dans le cadre de cette thèse et du Chapitre 1
du présent mémoire.
De plus, le fait que les actionneurs électromécaniques soient finalement un système
embarqué critique avec de nombreuses fonctionnalités relatives à la sureté de fonctionne-
ment, impacte fortement sa conception et les choix d’architecture/technologie comme en
témoigne la Tableau 1.2. Ce dernier se basant sur un certain nombre de cas extraits de la
littérature [6,7,8,9,10,11,12], résume les interactions entre contraintes et degrés de liber-
tés de conception auxquels est soumis l’ingénieur.

Si l’on ajoute à cela le fait que les EMA font apparaître de nouveaux couplages inter-
disciplinaires que l’on a déjà pu évoquer (mécanique : tribologie/ vibration/ structure/
conception/ inertie, électrotechnique/ thermique, électronique…), il devient évident que
l’évaluation de solutions architecturales doit être supportée par un ensemble consistant et
efficace de méthodes et d’outils. La traçabilité entre besoins/exigences et les
choix/résultats de conception doit être assurée par la même occasion afin de voir la dé-
marche de traitement et d’en faciliter la validation.
 Degrées de liberté de conception

composants de l’architecture
Cinématique et rapports de

Allocation de fiabilité aux

Spécification composant

Courbe de déplacement2

Modèles et outils de
Architectures

Technologies

transmission
(transitoire)

conception
Spécifications Description

Fonctions principales Ä
Fonctions
Modes opérationels [13] Ä
Performances transitoires
Performances Ä Ä Ä Ä Ä
(précision dynamique [9])
Thermique [10] Ä Ä Ä Ä
Environement
Vibratoire [6,8] Ä Ä Ä
Coût non récurrent Ä
Coût
Coût réccurent Ä Ä Ä
Panne sûre (court-circuit,
Ä Ä Ä
blocage, choc…) [14,6]
Sécurité
Durée de vie/MTBF/taux de
Ä
défaillance [10,11]
Masse Ä Ä Ä Ä
Intégration
Enveloppe géométrique [12] Ä Ä Ä Ä
Tableau 1.2 – Principaux critères et degrés de liberté de conception d’un EMA [-]

Les parties prenantes regroupées autour d’un projet de conception d’EMA sont nom-
breuses en général. On retrouve l’avionneur (client) au sommet de la pyramide,
l’intégrateur/systémier comme principal interlocuteur, puis en dessous les fournisseurs
qui fabriquent l’ensemble des composants. D’autres acteurs majeurs peuvent être cités : les
sous-traitants qui développent les bancs d’essais et/ou réalisent les tests de validation. Ne
prenant pas part dans la phase de conception, ils ont volontairement été mis de côté dans
cette présentation.
Ce travail collaboratif nécessite des transferts de connaissances et compétences de
manière à ce que le cahier des charges, point de départ du projet, soit le plus exhaustif
possible. En effet, d’un côté l’avionneur possède un réel savoir sur les scénarios opération-
nels de l’actionneur en question : fonctions techniques réalisées et cas de pannes, condi-
tions environnementales, profil de mission et performances ; alors que, de l’autre, le sys-
témier a plutôt un savoir-faire dans la proposition d’architectures et le comportement
(limitations/ critères de conception, fonctions, plage d’utilisation d’une technologie…) des
composants.

2
Le profil de déplacement peut être défini pour des application dites point-à-point, non continues.
 C’est ce que traduit la Figure 1.5, avec des flux d’information, descendant de
l’avionneur (« top-down ») ou remontant du systémier et de ses fournisseurs (« bottom-
up »), flux nécessaires au développement d’un EMA.

Figure 1.5 – Flux d’information en phase de définition adapté de [15]

En résumé : des fonctions, pannes et performances décrites par l’avionneur découlent

des propositions d’architectures de la part du systémier qui doit alors faire remonter
l’ensemble des critères, contraintes et limitations des composants choisis afin d’avoir un
cahier des charges complet et des profils de mission cohérents. Or lors du démarrage d’un
projet, il est assez difficile de statuer sur un choix d’architecture, c’est pourquoi assouplir
cette dépendance présente un grand intérêt. Des tables rondes ont alors été conduites avec
les partenaires industriels du projet ACTUATION2015 afin de lister les critères de con-
ception, les limites et les imperfections des divers composants. Il s’agit donc de récapituler
les règles de bonne conception dont il faut tenir compte en phase préliminaire, et les indi-
cateurs à utiliser dès la définition du cahier des charges pour s’assurer une validation
complète. Les critères en question seront listés dans une des sections suivantes, avec des
classements par principe de fonctionnement ou technologie, quant à l’outil développé pour
la synthèse des profils, il sera décrit dans le Chapitre 2.

Pour s’assurer de la complétude du cahier des charges, l’auteur de [15] met en place
un outil se présentant sous forme de matrices qui relient globalement ces critères de con-
ception des composants aux scénarios opérationnels. Cela assure d’une part la traçabilité,
et permet d’autre part d’analyser l’impact du cahier des charges sur la définition du pro-
totype. En effet, une fois le prédimensionnement réalisé, il sera possible de simplifier la
matrice en n’énumérant que les critères de conception réellement utilisés ou actifs, autre-
ment dit les critères en limite de ce que la technologie peut faire. Ainsi l’on pourra voir de
quel scénario ils découlent, et en considérant l’impact du composant sur le concept (masse,
coût…), il sera possible de mettre en avant les spécifications importantes. Concernant
l’architecture fonctionnelle, l’auteur propose le même style d’outil pour s’assurer la cor-
respondance entre les besoins et la solution proposée.
 La méthodologie générale de conception préliminaire développée dans cette thèse est
synthétisée dans le Tableau 1.3. Comme défini par [16,17], il s’agit d’un ensemble de pro-
cessus (séquence logique de tâches en vue d’obtenir un objectif), méthodes (technique de
réalisation d’une tâche) et d’outils (instrument d’implémentation des méthodes).

Processus Méthodes Outils utilisés

1 Définition 1.1 Génération d’architectures Existence de méthodes manuelles
d’architectures fonctionnelles. [5] et automatiques [18].
(non abordé dans
cette thèse) 1.2 Validation fonctionnelle de Utilisation de matrices de
l’architecture. correspondance [15].
2 Définition des 2.1 Recherche des critères de Listes par domaines (mecanique,
divers scénarios conception, limites et électrique, thermique...) et par
et profils fonctions des composants principes de fonctionnement
dimensionnants constituant l’architecture. [19].
(Chapitre 2) 2.2 Vérification de la complétude Utilisation de matrices de
des données avionneur. correspondance [15].
2.3 Analyse et synthèse de profils Utilisation de l’outil spécifique
simplifiés. YouSpecify.
3 Recherche des 3.1 Réalisation d’un premier Utilisation d’une librairie
critères de dimensionnement en interne développée dans Dymola
conception puissance non optimisé par et basée sur les lois d’échelle
réellement propagation inverse des [13,20,21].
dimensionnants profils de mission.
(Chapitre 3)
4 Recherche de la 4.1 Détermination de Représentation graphique par
séquence de l’ordonnancement des étapes graphe de conception, N²
clacul et de calcul. diagramme ou matrices de
définition du dépendance. Problème
problème complexe : l’outil spécifique
d’optimisation GraphSize.
(ex : Chapitre 4) 4.2 Définition des contraintes, des Un diagramme d’influence,
objectifs et des paramètres permet de voir le cheminement
variables du problème entrées → objectifs.
d’optimisation.
5 Génération de 5.1 Les calculs non explicites de Utilisation de méta-modèles sous
méta-modèles l’étape 4 doivent être forme de surfaces de réponse
remplacés par des méta- polynomiales.
modèles.
6 Optimisation et 6.1 Identification des paramètres Analyse de sensibilité par calcul
recherche de d’influence avec une formel (Maxima) ou numérique
solution. exploration rapide. au moyen des gradients ou de
DoE (Excel).
6.2 Optimisation dans un espace Outil d’optimisation (Excel,
réduit de recherche. Matlab…).
7 Validation des 7.1 On répète le dimensionnement Utilisation d’une librairie
résultats obtenus présenté à l’étape 3 en interne développée dans Dymola
considérant le résultat et basée sur les lois d’échelle.
d’optimisation.

Tableau 1.3 – Synthèse de la méthodologie proposée [-]

 Dans le Tableau 1.3 la phase dévolue aux limites des composants et à leur prise en
compte dans la génération des spécifications et profils associés est décrite par les étapes 1
et 2 du processus global. Certains aspects ont déjà pu être abordés jusqu’à présent, no-
tamment lors de la présentation du développement d’un système. Quant à ceux restant ils
seront passés en revue dans les paragraphes suivants confrontant architectures physiques
et fonctionnelles et traitant des critères de conception. Le second chapitre est d’ailleurs
exclusivement consacré à l’outil YouSpecify développé spécifiquement dans le cadre de
cette thèse pour la synthèse et l’analyse du cahier des charges.
Si l’on continue de passer en revue le Tableau 1.3, vient la phase de modélisation avec
les processus 3 à 5. Les composants doivent être modélisés pour prendre en compte leur
comportement et limites lors de la conception. Afin de s’affranchir de la simulation transi-
toire, coûteuse en temps de calcul, on verra qu’il est possible de générer des expressions
mathématiques d’estimation des indices de performance relatifs à l’échauffement, la fa-
tigue... Et enfin, pour gérer la multitude d’équations/inéquations qu’un tel problème de
conception implique, une phase de séquencement, d’analyse de singularité et d’aide à la
formalisation est nécessaire. C’est le chapitre 3 qui en parlera, en décrivant les fonction-
nalités du logiciel GraphSize (aussi développé dans le cadre de la présente thèse) et de la
théorie sur laquelle il est basé.
Enfin l’optimisation, tâche 6 du processus, sera décrite rapidement dans ce chapitre et
le Chapitre 4 afin de présenter les concepts généraux et d’appuyer nos choix. L’étape 7
s’appuie, elle, sur les modèles et les tâches précédentes, il s’agit finalement de valider par
simulation complète les hypothèses simplificatrices prises jusqu’à présent, à savoir : les
méta-modèles et la restriction des critères de dimensionnement à ceux définis comme ac-
tifs dans l’étape 3. La suite de ce chapitre introduit les principaux concepts et connais-
sances utiles à la mise en place des tâches de la méthodologie de conception.

La fonction première d’un actionneur électromécanique est de fournir une course suf-
fisante pour asservir la charge en position dans la majorité des cas.
L’architecture d’un actionneur peut toujours se décrire par la chaîne fonctionnelle
classique de la Figure 1.6 :

Figure 1.6 – Chaînes classiques d’information et d’énergie [-]

 Pour des raisons d’encombrement (excentrement), mais aussi afin d’offrir un premier
niveau de démultiplication des efforts, ces actionneurs sont intégrés à des mécanismes
dont les principales cinématiques seront abordées dans le chapitre suivant. C’est pourquoi
la course peut alors être translationnelle ou rotationnelle en fonction de la cinématique
d’interface.

Si l’on doit passer en revue les diverses fonctions rencontrées en partant de la source
de puissance pour arriver à la charge, on retrouve les solutions techniques suivantes :
- L’alimentation : la connexion au bus DC de l’avion sera établie au moyen d’un réseau
de contacteurs (architecture électrique reconfigurable [22]) ;
- Le traitement, la communication et la distribution : assurés par le bloc électrique com-
prenant le module de puissance formé de ponts ou demi ponts en H et le module de
commande (cartes électroniques) assurant l’asservissement en position ;
- La conversion d’énergie (électrique → mécanique) : assurée par un moteur électrique
synchrone sans balais à aimants permanents (présente de bonnes performances en
terme de couple massique).
- La transmission/transformation de mouvement : adaptation ‘RT’ d’une rotation (du
moteur) à une translation (de la tige actionneur) au moyen d’une vis à rouleaux ou à
billes (actionneur linéaire), et/ou adaptation de la démultiplication ‘RR’ (aux besoins
de la charge) grâce à un réducteur mécanique.
Les composants et capteurs (position, vitesse ou même effort) s’intègrent dans un car-
ter comportant ou non des éléments de dissipation thermique. Cet assemblage mais aussi
la constitution propre des composants implique assez souvent l’introduction de roulements
et joints d’étanchéité pour une protection vis-à-vis de l’environnement.

Si l’on devait montrer à quoi ressemblent les alternatives d’architectures classiques

qu’il est possible de concevoir avec ce nombre limité de fonctions, on pourrait établir la
Figure 1.7.

Architecture « gear-drive » à axe parallèle,

Architecture « direct-drive », vis inversée
vis classique

Architecture « gear-drive » en ligne,

Architecture « direct-drive », vis classique
vis classique

Figure 1.7 – Quelques architectures « classiques » d’actionneurs EMA [-]

 Les actionneurs rotatifs sont quant à eux moins sous investigation dans les projets de
recherche à l’exception de certaines applications comme le spoiler ou les dispositifs hyper-
sustentateurs qui présentent une enveloppe d’intégration très réduite. L’actionneur li-
néaire parait être le candidat idéal au remplacement des SHA. Les architectures les plus
rencontrées dans la littérature sont alors les deux premières présentées Figure 1.7, avec
comme avantage pour le « direct-drive » d’être un concept plus robuste au grippage alors
que le « gear-drive » présente un plus fort potentiel de standardisation. Néanmoins, qui
dit architectures différentes peut signifier technologies de composants différentes comme
dans cet exemple avec la vis (classique, inversée) et le moteur (couple, vitesse).
D’une manière générale les solutions découlent de ces architectures de base qui évo-
luent pour intégrer de nouvelles fonctionnalités (et/ou redondance) notamment en réponse
à la défaillance. Il est alors possible de citer un grand nombre d’exemples, en commençant
par les actionneurs adaptés aux divers cas de panne :
· Panne bloquée – « fail-frozen » réalisable par l’intégration d’un frein à manque de
courant dans l’architecture (exemple du THSA d’A380) ;
· Panne sûre – « fail-safe » nécessite souvent de débrayer la chaîne de transmission
principale ;
· Panne libre – « fail-free », l’actionneur est libre de tout mouvement ;
· Panne fonctionnelle « fail-functional » où l’actionneur peut assurer un fonctionne-
ment dégradé. Pour ce dernier cas il est possible de donner l’exemple d’un action-
neur hybride Figure 1.8, concept breveté par Messier-Dowty du groupe Safran
[23,24], qui possède un mécanisme de largage de la butée axiale de la vis et un
amortissement hydraulique passif pour une extension du train d’atterrissage par
gravité.

Figure 1.8 – Concepts d’actionneur de train d’atterrissage avec fonction « free-fall » [23,24]
 Le grippage est, comme cela a pu être dit, l’une des pannes la plus redoutée pour ce
genre d’actionneur. C’est pourquoi certains actionneurs possèdent plusieurs voies de puis-
sance déconnectables afin d’assurer une meilleure tolérance au grippage. Pour illustrer
cela, le système d’actionnement orientant le train d’atterrissage avant sur le projet
DRESS est illustré Figure 1.9.

Figure 1.9 – Remplacement du système d’orientation du train avant – projet DRESS [5]
Dans d’autres cas, comme expliqué plus haut, il peut être demandé de libérer le mou-
vement de l’actionneur avec un mécanisme anti-grippage. Cela est par exemple intéres-
sant lorsque plusieurs actionneurs meuvent la même surface comme dans le cas des com-
mandes de vol d’hélicoptère Figure 1.10 (système innovant présenté par Liebherr).

Figure 1.10 – Mécanisme anti-grippage d’actionneur d’hélicoptère [25]

 Sur d’autres systèmes c’est le fait d’obtenir une panne libre qui pose problème, comme
pour le plan horizontal arrière, ce qui entrainerait la perte de l’avion à cause du phéno-
mène de « flutter ». Ainsi, si une déconnection quelconque de la voie d’actionnement appa-
rait, un mécanisme de solidarisation de l’écrou à la vis se met en marche et bloque le
THSA. La compensation sera alors assurée par les autres surfaces de contrôle. La Figure
1.11 donne des schémas extraits du brevet déposé par la compagnie américaine Rockwell
Collins.

Figure 1.11 – Brevet d’un mécanisme « fail-safe » sur actionneur THSA [26]

Figure 1.12 – Brevet d’un mécanisme « noback » sur actionneur THSA [27]

Toujours sur le THSA, il est possible de citer le mécanisme d’irréversibilité de la vis à

billes, qui lui a dépassé le stade de concept et vole : le « noback ». Il s’agit de bloquer la ré-
versibilité en solidarisant par friction une roue à cliquets.
Tous ces exemples montrent une chose : l’architecture globale de l’actionneur doit être
adaptée pour répondre à un certain nombre de fonctionnalités ou intégrer de la redon-
dance afin de valider les exigences de fiabilité demandées par le client. Mais l’architecture
même des composants peut être modifiée pour atteindre ces objectifs.
 Si l’on revient sur le cas d’un système d’actionnement à deux actionneurs (ou plus)
placés sur la même charge, il est fréquemment demandé lors d’un fonctionnement actif-
passif de produire de l’amortissement par la voie inactive. Sur des actionneurs hydrau-
liques symétriques cette fonctionnalité s’obtenait par l’ajout d’une restriction entre les
chambres du vérin. L’équivalent de cette solution pour un EMA nécessite l’ajout d’un
composant encombrant. Mais une autre solution a été brevetée par Sagem : augmenter les
pertes fer du moteur par une architecture spécifique de moteur (ajout d’un tube 15 laminé
à forte pertes par hystérésis et courant de Foucault) comme illustré sur la Figure 1.13.

Figure 1.13 – Brevet d’un moteur brushless assurant l’amortissement passif par pertes fer [28]

Toujours sur le moteur, et pour répondre cette fois aux contraintes de fiabilité, ceux-ci
peuvent voir évoluer leur architecture interne pour passer du classique 3-phases à plus de
5 phases.

Figure 1.14 – Moteur à six phases [29] vs. moteur 3-phases redondantes [30]
 L’intérêt est de conserver des performances correctes, même après la perte d’une
phase, avec un minimum d’oscillation de couple (« ripple »). Néanmoins, ce maintien de
fonctionnalité passe par des architectures spécifiques de l’électronique de puissance
comme des ponts en H pour chaque phase (Figure 1.15). De même, le pilotage nécessitera
un surplus de capteurs de courant (un par phase) là où deux étaient suffisants.

Figure 1.15 – Architecture classique [31] vs. robuste avec ségrégation de phase [29]

Et enfin, pour finir ces illustrations sur les évolutions structurales, une dernière fonc-
tionnalité sur les moteurs, qui peut en définitive être perçue comme une composante para-
site, concerne le couple de détente (ou « cogging torque » en anglais). Il s’agit des varia-
tions de couple lors du passage des aimants devant les dents. Le couple de détente peut
être perçu comme un avantage dans certaines applications (contrôle du moteur pas à pas
sans capteur) ou comme un inconvénient en aéronautique lorsque l’actionneur est en mode
passif, car pouvant provoquer une non réversibilité locale. C’est pourquoi des études sont
menées sur les géométries (et le nombre) des aimants, mais aussi des dents pour réduire au
maximum le couple de détente.

Figure 1.16 –Géométrie des dents et couple de détente (moteur 9 encoches – 6 pôles) [32]

L’ensemble des fonctionnalités couramment rencontrées dans la spécification

d’actionneurs EMA a été balayée, et les conséquences architecturales illustrées. Mais de-
vant une telle multitude de fonctions, comment est-il possible de s’assurer la compatibilité
des architectures physiques proposées ? Dans [15], l’auteur propose de faire de la valida-
tion matricielle entre fonctions et composants sur les alternatives générées lors de la
phase de proposition de concepts. Des méthodes plus avancées de génération automatique
d’architectures ont aussi été présentées dans [33].
 Avant de parler des critères de conception des divers composants, il convient de pré-
senter les technologies utilisées, puisque très souvent la technologie conditionne les li-
mites d’utilisation. Cette section sera l’occasion de parler des imperfections rencontrées,
mais aussi des modèles, formules et hypothèses utilisés lors du dimensionnement prélimi-
naire. Bien entendu l’ensemble des limites identifiées sera regroupé dans la section sui-
vante avec des explications plus approfondies sur les phénomènes de fatigue et de dégra-
dation.

La vis à billes/rouleaux :

La vis à billes ou rouleaux, élément clé de la transformation de mouvement dans

l’EMA linéaire est un élément à quatre degrés de liberté : rotation/translation de l’écrou
et rotation/translation de la vis. Pour s’assurer un fonctionnement correct, il est néces-
saire de bloquer la translation de l’un d’eux (généralement la vis) par l’ajout d’une butée
axiale, mais aussi la rotation de l’autre composant (souvent l’écrou) par un système d’anti
rotation.

Il faut savoir qu’il existe plusieurs types de vis à rouleaux (là où pour les vis à bille on
ne peut jouer quasiment que sur l’écrou). Ainsi on retrouve la vis à rouleaux planétaires,
vis à multiples filets dont le pas reste élevé 6-12mm, comportant un ensemble de rouleaux
filetés liés par une cage (planétaire) et synchronisés par une couronne usinée dans l’écrou.
Les rouleaux n’ont alors aucun mouvement axial par rapport à l’écrou. L’autre technolo-
gie, assez peu rencontrée, est celle à recirculation de rouleaux. Sur ce genre de vis, les rou-
leaux possèdent des gorges et non des filets, et se translatent dans l’écrou avec une en-
coche de recirculation et une came les ramenant en début de course. Ces vis possèdent un
pas très fin (de l’ordre de 2-6mm) favorable au rapport de réduction élevé. La contrepar-
tie est qu’elle ne possède alors que peu de filets : un ou deux.
Alors que la vis à recirculation de rouleaux est adaptée aux applications à forte préci-
sion de positionnement, celle planétaire permet de déplacer de plus fortes charge et ce à
des vitesses plus élevées.

Figure 1.17 – Vis à recirculation de rouleaux et vis à rouleaux planétaires [34]

 La vis à rouleaux a tendance à être plus fréquemment utilisée que la vis à bille, la rai-
son étant que pour un même encombrement (diamètre), elle accepte des charges plus éle-
vées. Ceci se comprend assez aisément par la comparaison géométrique de la Figure 1.18
où la solution à rouleaux permet un plus grand nombre de contacts sur une portion de vis,
mais aussi des rayons de contact plus importants. Néanmoins, il s’agit d’un compromis, au
même titre que la comparaison vis-écrou classique et vis à rouleaux. Il est possible de sup-
porter des charges plus élevées, mais au détriment du frottement qui s’en voit pénalisé.

Figure 1.18 – Compacité de la solution à rouleaux (nombre et rayon de contact) [35]

En termes de frottements mais aussi de bruit, les vis à billes peuvent se voir dotées de
structures moins conventionnelles avec l’ajout de billes mortes ou cage intercalées entre
les éléments roulants. L’intérêt est de diminuer les frottements (utilisation de matériaux
polyamides) et les chocs de fonctionnement.

Figure 1.19 – Différentes structures de vis à billes [36]

En plus de cet élément parasite, les frottements, la vis a un second point critique,
l’élasticité de transmission (dont le jeu). Pour des applications peu inertielles avec des ef-
forts transmis ne s’inversant pas, cela n’est à priori pas problématique, mais à vide il ne
sera possible d’assurer une erreur de positionnement faible qu’en la pré-chargeant de ma-
nière à supprimer ce jeu. Il est alors possible d’estimer le frottement à vide et en charge à
l’aide de formules de contact d’Hertz [37] comme cela est expliqué en Annexe A1.

Les réducteurs :

Il ne s’agit pas ici de faire une description détaillée de la modélisation des réducteurs,
qui en certains points ressemble à celle des vis à rouleaux (ayant les même effets parasites,
et un modèle de frottement/rendement proche), mais de présenter les diverses technolo-
gies pouvant être appliquées aux EMA afin de réaliser la fonction d’adaptation de la puis-
sance mécanique de rotation.
 Alors que les trains d’engrenage à axes parallèles sont une solution souvent utilisée
pour les actionneurs à moteur déporté, d’autres solutions existent pour de la réduction en
ligne (actionneur rotatif ou linéaire). Il est ainsi possible de citer le GRA (« Gear Rotary
Actuator »), apparenté au train épicycloïdal classique, le réducteur cycloidal et l’harmonic
drive.

Figure 1.20 – Exemple de GRA (application becs) [38]

Figure 1.21 – Réducteur cycloidal [39]et harmonic drive [40]

Les rapports de réduction de ces deux dernières technologies peuvent être assez élevés
et ce grâce à leur principe de fonctionnement. Pour le premier il s’agit d’un mécanisme à
excentrique alors que dans le second cas on joue sur l’ovalité de l’engrenage intérieur dé-
formable pour assurer un déplacement angulaire d’une dent de l’axe lent à chaque rota-
tion de l’axe rapide.

Les moteurs (brushless) :

Pour les moteurs on se concentre sur la technologie synchrone sans balais (brushless) à
aimants permanents pour la raison évoquée précédemment. Les aimants permanents se
situent au niveau du rotor (dans la gamme de puissance retenue) alors que le stator est
bobiné. Cela a pour principal avantage de faciliter l’extraction de la chaleur produite par
les diverses pertes au moyen d’un carter adapté, et au besoin, dans le cas de solutions in-
dustrielles non-aéronautiques, en ajoutant un flux forcé d’air ou d’eau. Comme
l’échauffement est une imperfection de premier plan dans la conception, des modèles
thermiques ont dû être créés pour valider les prototypes virtuels en phase amont de déve-
loppement (présentés en Annexe A2).
 Il existe deux types de moteurs brushless : les moteurs couples se présentant sous
forme d’anneaux de grande dimension avec une multitude de paires de pôles, et le moteur
haute vitesse de forme cylindrique.

Figure 1.22 – Moteur couple [41]vs. moteur haute vitesse [42]

Alors que le moteur couple est particulièrement adapté à des actionneurs aéronau-
tiques direct drive, intégrée directement à la vis inversée (soit pour des rapports de
transmission faibles), le moteur vitesse convient mieux à l’architecture à réducteur et axe
parallèle.

Il est difficile de parler des moteurs sans au moins aborder les divers types de com-
mande, à savoir : l’autopilotage scalaire ou vectoriel. En scalaire l’objectif est d’asservir le
courant lu dans les phases en fonction de l’angle électrique moteur. Cela est alors possible
en jouant sur la tension aux bornes de chaque phase par une modulation de largeur
d’impulsion (MLI).

Figure 1.23 – Pilotage scalaire sur 3-phases [43] vs. n-phases [29]

Cette technique présente un inconvénient majeur : la variation dans le temps de la

consigne d’asservissement en courant, difficile à tenir en contrôle temps réel (décalage
impactant les performances). C’est pourquoi il est plus intéressant de travailler avec la
projection des grandeurs dans un repère tournant, et c’est globalement le principe de la
commande vectorielle.
 Figure 1.24 – Pilotage vectoriel sur 3-phases [43]

On ne s’étendra pas sur le sujet, qui est hors propos dans la conception préliminaire, il
s’agissait uniquement de mentionner ces techniques en rappelant que les cartes de com-
mande devront être choisies de manière à assurer les calculs et l’acquisition, nécessaires à
la loi de commande vectorielle, le tout de manière suffisamment rapide. Le module choisi
devra être en adéquation avec la fréquence maximale de la commutation des transistors
(changement de l’état passant à non passant) du module de puissance afin d’en assurer la
commandabilité.

L’électronique de puissance :

Le schéma typique de l’architecture de l’électronique de puissance a déjà été présenté.

Il ne reste alors qu’à parler des pertes dont les formules d’approximation peuvent être ex-
traites de [44] et sont rappelées en Annexe A3. Elles sont de deux sortes :
- Les pertes lorsque le transistor est passant (ou la diode), on parle alors de pertes de
conduction.
- Les pertes lors des transitions passant/non-passant, il s’agit des pertes par commuta-
tion.
Il existe deux technologies de transistors intégrables au module de puissance les
MOSFET – « Metal-Oxide-Semiconductor Field-Effect Transistor » et les IGBT – « In-
sulated-Gate Bipolar Transistor ». Les seconds sont en général mieux adaptés aux fortes
puissances et présentent des pertes par conduction moindres, mais nécessitent, de par leur
structure une diode de roue libre là où les MOSFET sont passants en inverses.
 Dans cette partie les principales limites des composants seront classées dans trois ca-
tégories distinctes et certains phénomènes de dégradation seront abordés de manière plus
détaillée.

C’est avec ce composant central de la conception d’EMA que seront illustrées ces trois
catégories de critères de conception :

- Les critères dits de dégradations rapides (ou transitoires) conduisant à une défaillance
rapide du composant si certaines grandeurs sont dépassées même de manière transi-
toire.
- Les critères de dégradations graduelles : il s’agit d’une usure s’inscrivant dans la du-
rée et s’appuyant sur des valeurs moyennes plutôt que transitoires.
- Les caractéristique parasites qui correspondent aux imperfections du composant ayant
un impact sur le dimensionnement d’autres composants de la chaîne de transmission
mécanique ou sur sa propre sélection.

Si l’on définit les zones de fonctionnement sûr (« Safe Operating Area » - SOA) du
moteur sans balais représentées Figure 1.25, il est possible de mettre en place la classifi-
cation précédente comme résumée dans le Tableau 1.4.

Figure 1.25 – Limites opérationnelles d’un moteur brushless cylindrique [-]

Il ne faut pas confondre ici les limites du moteur et celle de l’électronique de puissance
(limite de tension/courant) qui lui est associée. De plus, il est important de préciser que la
limite thermique donnée dans les catalogues constructeurs (ou point de fonctionnement
nominal) correspondent en réalité aux conditions de fonctionnement en régime perma-
nent conduisant à l’échauffement maximal admissible pour les bobines à une température
ambiante définie. Cette spécification ne présente donc aucun intérêt sauf pour une valida-
tion de profil à chargement constant avec une durée assez longue pour considérer un ré-
gime permanent. C’est d’ailleurs toute la difficulté que l’on a à classer le critère thermique
qui est en définitive un phénomène transitoire (pas d’usure) mais nécessitant un profil
temporel complet, car dépendant de l’histoire du chargement.
 Dégradation(s) rapide(s) Dégradation(s) graduelle(s) Imperfection(s)
Le couple maximal dû soit Cyclage thermique de l’isolant Les pertes Joules et fer
à la saturation des dents, des bobines avec vieillissement du moteur conduisant à
soit à la démagnétisation accéléré si décharges par- son échauffement.
des aimants. tielles additionnelles.
La vitesse maximale au- L’inertie du rotor.
delà de laquelle les efforts
centrifuges sur les aimants
conduisent au défrettage.
Limite thermique de tenue
de l’isolant au-delà de la-
quelle un court-circuit peut
apparaître.
Tableau 1.4 – Critères de conception du moteur sans balais (« brushless ») [-]

- Les critères rapides de dégradation :

Transitoirement, le chargement est limité à un certain taux de plastification de la
piste de roulement et/ou des éléments roulants (0.01% du diamètre équivalent de l’élément
roulant [45]), c’est ce que l’on appelle communément la charge statique. Pour les roule-
ments cette charge peut être combinée (axiale et radiale), et des formules de calcul dépen-
dant de la géométrie des contacts sont nécessaires. Pour une vis élancée, il est aussi im-
portant de tenir compte de l’effort maximal avant flambage de cette dernière.
La vitesse maximale atteignable est elle aussi limitée, mais dépend de plusieurs fac-
teurs. En général on retrouve le critère de stabilité et vibrations, notamment sur la vis,
assimilée à une poutre non équilibrée en rotation sur deux appuis. Pour les roulements et
vis à rouleaux, les efforts centrifuges dus aux éléments roulants et exercés sur la cage
peuvent aussi être limitants. Enfin le cheminement d’éléments roulants (vis à billes et an-
ti-rotation) peut contraindre la vitesse de fonctionnement afin de limiter les impacts lors
du passage dans les canaux de recirculation.
Dernier élément, cette fois-ci semi-transitoire, la limite thermique qu’il ne faut pas
dépasser afin que la lubrification reste correcte assurant une usure limitée, ou que la tem-
pérature limite du matériau constituant la cage ne soit pas atteinte. Cette limite est assez
difficilement vérifiable au niveau de la conception préliminaire, car ceci nécessiterait un
modèle thermique détaillé du composant et de son environnement, surtout lors d’une inté-
gration à l’intérieur d’un carter…
- Les critères graduels de dégradation :
En considérant que les conditions de bonne lubrification sont respectées, le premier
mode de défaillance sur le long terme est dû à la fatigue par roulement. Il s’agit d’une
propagation de fissures sous la piste de roulement vers la surface, phénomène conduisant à
l’écaillage et appelé « spalling » en anglais. Un autre phénomène de propagation de fissure
depuis la surface peut aussi apparaître, surtout lorsque la lubrification est mauvaise ou le
lubrifiant contaminé (chargé en particules métalliques) et lorsque la piste de roulement
présente des irrégularités. Ce phénomène secondaire appelé « pitting » apparait en géné-
ral plus fortement lorsque le glissement augmente, notamment sous fort chargement.
Avec des micromouvements sous forte charge et en présence d’humidité, apparaissent aus-
si de la corrosion et de l’indentation appelée « brinelling ». En général l’usure totale est un
cumul de tous ces phénomènes, le plus important restant certainement le « spalling ». Des
formules empiriques ont été développées pour quantifier les dommages cumulés par rou-
lement, il s’agit notamment des théories de « Ioannides-Harris » et « Lundberg-
Palmgren » [46], largement utilisées dans l’industrie et qui comportent des coefficients
correctifs pour prendre en compte les évolutions technologiques des matériaux et lubri-
fiants notamment.

Figure 1.26 – Phénomènes de fatigue par propagation de fissure lors du roulement [47]

Les formules de calcul (dérivées de celles pour les roulements) sont décrites dans diffé-
rentes normes (ISO281, ISO3408, ISO4379, ISO6336-5, ISO10300) et dans un en-
semble de documents sur la tribologie [48,49,50], elles s’expriment généralement sous la
forme d’un dommage cumulé Q dans le temps, fonction de l’effort F et de la vitesse V :
n = 3 si contact ponctuel
ò
Q = F n .V .dt
n = 10 / 3 si contact linéique
(1.01)

- Les caractéristiques parasites :

On retrouve souvent les frottements (couple de mise en mouvement) et élasticité de
transmission (jeu interne), l’inertie (négligeable en raison du rapport de transmission
faible) et l’intégration géométrique. A titre d’exemple l’intégration du capteur de position
(ou de l’anti-rotation) dans la vis à rouleaux impacte fortement son dimensionnement,
comme nous le verrons dans le chapitre traitant des cas de prédimensionnement.

- Les critères rapides de dégradation :

Comme pour les mécanismes de roulement, la pression doit être limitée pour éviter la
plastification et l’usure. En revanche pour la vitesse maximale de fonctionnement, la li-
mite exposée dans les catalogues constructeurs n’est pas très claire. Il s’agit en règle gé-
nérale de la vitesse maximale admissible correspondant à la limite thermique en régime
permanent, bien que, pour certains mécanismes comportant des joints d’étanchéité, ce
peut être ces derniers qui limitent la vitesse afin d’assurer leur fonction (l’effort presseur
des lèvres et la raideur du joint ne permettent pas de compenser les imperfections de la
surface lors d’un glissement trop important).
 Dans certains mécanismes (embrayages et frein) contenant des roulements, une se-
conde limite de vitesse plus contraignante peut être introduite.

- Les critères graduels de dégradation :

Pour ce qui est du phénomène de dégradation graduelle, il s’agit clairement de l’usure
pouvant conduire à un jeu excessif (à l’exception du frein). L’usure peut être abrasive,
c’est le plus courant, notamment à cause des rugosités de surface ou des particules pré-
sentes dans le lubrifiant (embouts, coussinets) ; elle peut aussi être adhésive, sous forte
charge il peut y avoir transfert de matière, ou érosive par impact de particules. Néan-
moins ce dernier type d’usure apparait quasi uniquement dans les applications avec un
flux important de lubrifiant, comme dans les pompes. Afin de quantifier l’usure, il existe
la formule d’Archard [51] qui permet d’estimer le cumul de dommage Q en fonction de
l’historique de la pression de contact P et de la vitesse de glissement V :
Q µ ò P n .V .dt avec n =1 (1.02)

Dans les catalogues, les formules de calcul de durée de vie sont différentes, car elles in-
troduisent un exposant n, changeant en fonction de la plage de pression d’utilisation (al-
lant de 0.2 à n>1.2). En général, pour des disques de glissement (freins, embrayages), il
est possible de considérer une équi-répartition de la pression ou de l’usure, la seconde hy-
pothèse étant la plus conservatrice.

Figure 1.27 – Illustration des phénomènes d’usure [52]

- Les caractéristiques parasites :

En ce qui concerne les caractéristiques parasites, on peut citer, encore une fois les di-
mensions pour l’intégrabilité mais aussi le frottement induit qui peut impacter le dimen-
sionnement d’autres composants de l’architecture (à titre d’exemple, le couple de frotte-
ment généré dans les embouts, points de fixation de l’actionneur à la cellule/charge, induit
des contraintes de flexion dans le carter). Enfin le jeu/l’élasticité (notamment des em-
bouts) peut fortement impacter le critère de précision de la boucle de position.

Il est assez compliqué de différencier carter et dissipateur, car souvent les deux fonc-
tions sont réalisées par un même composant, même si cela ne va pas dans le sens de la
standardisation, mais plutôt vers une intégration avancée.
Alors que la fonction de carter se voit impactée par l’intégration des composants, sa
principale limitation « rapide » est finalement la limite plastique du matériau lorsque ce
dernier est soumis au chargement maximal (attention notamment au flambement combi-
né avec la flexion induite par les embouts), ou dans certain cas aux contraintes induites
par les niveaux, directions et fréquence de vibration. La fatigue est alors une fatigue
structurale classique.
 Pour ce qui est de la fonction « dissipateur » la seule limite additionnelle peut être la
limite thermique de la pâte d’assemblage si les dissipateurs sont vissés sur le carter et non
usinés. Il sera peut-être aussi utile de tenir compte du cyclage thermique et des con-
traintes thermomécaniques induites par des dilatations différentielles de l’assemblage.

Dans le module d’électronique de puissance n’ont pas été considérés les filtres (induc-
tance en ligne) ni les cartes de commande.
- Les critères rapides de dégradation :
Les limites transitoires pour le module de puissance sont la tension de claquage, et
pour les IGBT uniquement, une limite de courant (« latchup ») à partir de laquelle un effet
thyristor apparait rendant impossible le contrôle du module par la grille et entrainant sa
destruction.
Pour le condensateur, la tension de claquage limite transitoirement son utilisation, le
courant maximal de charge/décharge est assez important et correspond au courant en
court-circuit. Ce n’est donc généralement pas un point limitant. En revanche le taux de
recharge doit être limité (≤105%), pour éviter un claquage.
Une limite transitoire à considérer pour tous ces composants : la limite thermique à ne
pas excéder.
- Les critères graduels de dégradation :
En revanche les modes de dégradation graduelle sont totalement différents. Alors que
pour les IGBT/MOS, il s’agit d’un cyclage thermomécanique conduisant à la rupture des
connexions ou du substrat sur lequel est posée la puce, pour le condensateur il s’agit d’une
vieillissement par dégradation thermique pour laquelle une loi d’Arrhenius adaptée en
fonction de la tension de fonctionnement peut être utilisée [53].

- Les caractéristiques parasites :

Le module IGBT/MOS a pour principale caractéristique parasite, les pertes par con-
duction et commutation qui conduisent à son échauffement (Annexe A3). Ses propriétés
parasites sont ses caractéristiques capacitives qui impliquent d’utiliser des drivers pour
pouvoir réaliser la commutation dans des temps convenables, mais aussi la résistance de
conduction des divers substrats en conduction qui créent des pertes (Figure 1.28).

Figure 1.28 – Propriétés parasites des MOSFET-IGBT en commutation/conduction [54]

 Pour une capacité, la caractéristique parasite est en fait sa résistance de charge
/décharge qui induit par conséquence les pertes par conduction (effets Joule). Ces pertes
s’estiment à partir de sa résistance série et du courant moyen IRMS dont la formule, ex-
traite de [22], lie ce dernier à la modulation de courant m et au déphasage entre courant
et tension des bobines du moteur φ :
I RMS = [0,14 + (0,55 - 0,56.m).cos(j )].m (1.03)

L’inductance interne de la capacité peut quant à elle limiter la bande passante utile.
Toujours concernant la capacité, un autre critère parasite est la variation de tension
aux bornes de l’onduleur et ayant un impact potentiel sur la qualité du réseau avion. C’est
pourquoi elle doit être limitée. Dans [22], une formule analytique de la surface de réponse
de simulations, est donnée par l’auteur pour l’estimation de la variation maximale de la
tension ΔU aux bornes du condensateur. Celle-ci est fonction de sa capacité C, du courant
crête moteur IMAX, de la fréquence de commutation fsw et de la modulation de courant m :

DU =
1
C ò
I
C. f sw
(
I .dt = MAX . - 0,2684.m 2 + 0,3643.m + 9.10 - 5 ) (1.04)

Les capteurs principalement intégrés aux EMA sont : le capteur de position action-
neur (en linéaire on retrouve le LVDT) et moteur (pour la commutation), le capteur vi-
tesse actionneur, et, dans certains cas, des capteurs d’effort et de température.
En termes de limite opératoire transitoires, il est possible de citer la plage de mesure,
la bande passante, mais aussi les conditions d’environnement d’utilisation (humidité, tem-
pérature, champ électromagnétique…).
Il n’y a pas réellement de phénomène de dégradation graduelle, à condition que le cap-
teur soit préservé de la corrosion (étanchéité) et sans contact, mais plutôt un taux de dé-
faillance inhérent à tout matériel électronique.
Les caractéristiques parasites sont alors la précision/résolution du capteur, non-
linéarité (hystérésis et dérive thermique) mais aussi son bruit qui, bien que filtré, peut im-
pacter l’asservissement et l’échauffement du moteur et de l’électronique de puissance. En-
fin, dernier critère parasite et non des moindres (comme on le découvrira dans le chapitre
traitant des cas d’étude), les dimensions qui peuvent compliquer son intégration.

Dans ce paragraphe, deux conclusions évidentes sautent aux yeux : un assemblage de

composants signifie que la conception devra prendre en compte un grand nombre de cri-
tères, et un outil de gestion est nécessaire (cf. GraphSize – Chapitre 3). Afin de valider
chacun de ces critères, des profils spécifiques devront être proposés, profils transitoires
car étudier les phénomènes revient à étudier l’historique des conditions de fonctionnement
du composant (critères graduels et thermique-inertie transitoire). Là encore, un outil est
nécessaire (cf. YouSpecify – Chapitre 2).
 Maintenant que les critères de conception des composants ont été abordés, critères
d’importance dans la phase amont du projet et la rédaction du cahier des charges, il con-
vient de s’intéresser aux modèles utiles à la conception préliminaire.

Cette phase permet de déterminer les performances intrinsèques aux composants

constituant l’actionneur de telle sorte que le produit de leur intégration valide les exi-
gences du cahier des charges. Elle apparait relativement tôt dans le processus de dévelop-
pement. C’est pourquoi de nombreuses hypothèses simplificatrices sur les imperfections
intrinsèques aux composants et induites par le montage (frottements, vibrations, échauf-
fement…) devront être faites. La validation globale ne pourra alors apparaître qu’après
intégration durant la phase de V&V. Ceci induit, traditionnellement, une boucle de déve-
loppement impliquant des experts de domaines variés dans un travail collaboratif coûteux
et long.

D’où une utilisation croissante de la conception basée sur les modèles et orientée simu-
lations [55,56]. L’idée est d’être capable de tenir compte des interactions apparaissant
entre les composants, et de dimensionner ces derniers tout en validant leurs caractéris-
tiques de fonctionnement. Il s’agit alors de tenir compte des phénomènes transitoires
(thermique, inertiels…) qui apparaissent sur les divers profils de mission, et qui s’avèrent
être de prime importance pour la technologie étudiée. Trois types de modèles sont néces-
saires pour cela :

- Les modèles de simulation : La conception orientée simulation nécessite d’avoir des

modèles qui lient les flux de puissance/énergie d’entrées aux sorties des divers compo-
sants. Ces modèles paramétrés, aussi appelés modèles 0D-1D doivent posséder un ni-
veau de complexité en adéquation avec les hypothèses que l’on souhaite valider. Et
c’est là que se situe la réelle complexité : être exhaustif sans être trop coûteux en
temps de calcul, et surtout être capable de renseigner les caractéristiques/paramètres
définissant le composant sans faire intervenir en permanence un expert technique. Et
c’est sur ce point qu’interviennent les modèles d’estimation.
- Les modèles d’estimation : Les modèles d’estimation sont des expressions mathéma-
tiques dérivées d’équations physiques ou extrapolées sur des résultats de simulation
et/ou données constructeurs. Ils permettent, à partir d’un nombre réduit de para-
mètres (force, précharge, course…) d’estimer l’ensemble des caractéristiques intrin-
sèques à un composant (dimension, masse, frottement, élasticité…).
Ils peuvent être de plusieurs types : méta-modèles ou lois de similitude qui seront pri-
vilégiées ci-après. Alors que les lois de similitude supposent une invariance des maté-
riaux et des phénomènes physiques, ainsi qu’une évolution géométrique particulière
(similitude) d’une gamme de produits, les méta-modèles, et particulièrement grâce à
l’outil SLAWMM développé en interne [57], permettent de s’affranchir de ces limita-
tions contraignantes, n’imposant que l’invariance des matériaux.
- Les modèles d’évaluation : Ces modèles permettent de vérifier que le composant opère
dans son domaine de fonctionnement sûr, c’est à dire en deçà de ses limites technolo-
giques, de manière transitoire aussi bien que dans la durée.

Le groupe de recherche a développé au cours des années et des projets une librairie ca-
pitalisant ces connaissances. Cette librairie contient les composants les plus utilisés dans
les actionneurs électromécaniques. Chaque composant comporte les trois modèles présen-
tés plus haut qui s’articulent comme montré sur la Figure 1.29.

Figure 1.29 – Structure des modèles définissant un composant [58]

La surcouche de prise de décision consiste en une vérification de la non violation des

limites technologiques et une optimisation de divers objectifs tels que la masse actionneur,
la fiabilité, le coût de fabrication ou d’autres grandeurs d’intérêt. Elle peut être réalisée
manuellement. Dans ce cas, l’utilisateur doit alors modifier les paramètres de définition à
la main avant de lancer la/les simulation(s) et d’en tirer des conclusions. Elle peut égale-
ment être conduite de manière automatique par une surcouche logicielle d’optimisation
[59], cela correspond alors à la méthode numérotée 2 dans la Figure 1.30.

C’est d’ailleurs ce qui a été fait et présenté dans [60] avec la conception optimisée d’un
actionneur de train d’atterrissage d’Airbus A320, conception par simulation pilotée au
travers du logiciel Optimus. Néanmoins une telle pratique est souvent lourde en calcul et
tend à faire exploser le temps de convergence. C’est ce qui a pu être observé avec une ob-
tention de la solution après plusieurs jours d’itérations.

C’est pourquoi dans ce mémoire nous présentons une façon différente d’implémenter
les modèles, méthode hybride faisant intervenir des formules explicites [61] (ou méta-
modèles) en lieu et place de certaines simulations. C’est alors la méthode numéro 3 pré-
sentée dans la Figure 1.30, où les méta-modèles sont construits sur des simulations (pilo-
tées par le logiciel d’optimisation MDO Optimus et réintroduites dans la procédure de
calcul statique). Le seul point critique est de s’assurer de la validité et de la précision des
modèles mathématiques dans le domaine de recherche de solution.
 Au final, cette méthode ressemble assez au dimensionnement statique dans un envi-
ronnement algébrique (Matlab, Excel..), comme cela est couramment fait dans l’industrie
[62], à ceci près que cette fois-ci les phénomènes transitoires (modèle thermique, fa-
tigue…) sont pris en considération.

Figure 1.30 – Possibilités d’implémentation des divers modèles [19]

Il est intéressant d’expliquer en quelques mots les choix qui ont conduit à la réalisation
d’une librairie interne de composant dans le logiciel Dymola basé sur le langage Modelica.
Le but n’est pas de paraphraser le travail réalisé dans [5], mais d’en dresser un résumé
rapide qui permet entre-autre d’expliquer la transition vers un outil d’aide au séquence-
ment des calculs.

L’offre en matière de logiciels de simulation et modélisation dynamique est grande, et

même si pendant des années elle se bornait à des domaines spécifiques, de nombreux logi-
ciels multidisciplinaires ont récemment émergé. Ils répondent à un besoin de modélisation
simplifiée (0D-1D) exploitable en phase de validation amont de prototypes virtuels (cor-
rélés ou non par des essais). Il s’agit de modèle haut niveau avec un nombre limité de pa-
ramètres comparativement à la cosimulation qui, elle, correspond à un interfaçage de mo-
dèles avancés (3D, non linéaire…) simulés dans des logiciels spécifiques et plus souvent
utilisée lorsque le développement a atteint un certain niveau de maturité.

Parmi les logiciels de simulation multi-physiques 0D-1D, il est possible de faire une
distinction selon qu’il s’agit d’une définition procédurale ou déclarative des modèles [63].
Alors que le premier type de logiciel définit la séquence des calculs des dérivées des va-
riables d’état, ce qui signifie que les équations du modèle sont orientées, pour le second
type, l’orientation est réalisée à postériori par le compilateur, ce qui signifie que la causa-
lité peut changer, rendant ainsi le modèle adaptable en fonction du besoin de simulation.

Ce dernier point justifie l’utilisation d’un logiciel déclaratif, car un même modèle
pourra servir en simulation inverse, pour le dimensionnement, mais aussi lors de la valida-
tion du prototype virtuel en simulation directe. C’est par conséquent ce qui a motivé le
choix de développer une librairie sous Modelica, langage linéaire déclaratif.
 Figure 1.31 – Modèle direct/inverse et propagation du flux de puissance [5]

La construction d’une librairie de composants, en langage Modelica, comme base de

connaissance, a été rendue possible par le fait que la définition d’un système mécatronique
est sécable en deux couches : une couche composants (connaissances métier, lois d’échelle,
interpolation de simulations éléments finis…) et une couche mécatronique reflétant leurs
interactions (dont les flux de puissance).
C’est pour cette même raison que le logiciel GraphSize abordé dans le Chapitre 3 est
structuré de la sorte.

Comme expliqué auparavant, pour définir un modèle de simulation d’un composant, un

certain nombre de paramètres le caractérisant sont nécessaires. Ces deniers peuvent dé-
couler de composants existants et sélectionnés dans une base de données, ou être estimés
par reconception plus ou moins grossière d’un composant dédié à l’application.

L’approche intégrateur pose divers problèmes comme : être capable de maintenir à

jour une base de données consistante ou encore disposer de composants dans la gamme de
puissance de l’application. De plus la sélection des composants se fait au travers de règles
et algorithmes de sélection, pas forcément pratiques à mettre en place dans un outil stan-
dardisé d’optimisation.

L’approche de conception détaillée comporte elle aussi des problèmes : intervention de

spécialiste pour le développement des modèles et niveau de détail (matériaux, interface
d’intégration…) trop avancé pour cette étape du projet.

C’est pourquoi les lois d’échelles ont été introduites. A mi-chemin entre les deux ap-
proches elles permettent de représenter les caractéristiques d’une gamme de composants
au travers de lois mathématiques. Basée sur des lois physiques et des hypothèses géomé-
triques (gamme de produits obtenus par homothétie) et sur les matériaux (identiques),
elles sont plus flexibles dans leur utilisation et permettent d’extrapoler le comportement
d’une technologie. Elles sont plus largement utilisées dans le domaine de la mécanique des
fluides avec l’étude de maquettes réduites. La construction des lois peut alors se faire à
partir de nombres sans dimensions comme expliqué par le théorème de Vaschy-
Buckingham, autrement appelé théorème de Pi.
 Dans la suite du document, nous utiliserons la notation proposée par M. Jufer [64] où
le rapport d’échelle l* d’un paramètre donné s’exprime comme suit :
l'
l* = (1.05)
l
Prenons le cas d’un moteur sans balais.

Figure 1.32 – Evolution homothétique d’un moteur brushless cylindrique [-]

En supposant une évolution homothétique (r*=l*), le volume évolue (comme la masse) :

V ' p .r ' 2 .l '
V* = = = r *2 .l * = l *3 (1.06)
2
V p .r .l
La plupart des lois d’échelles ont été développées dans les thèses de J. Liscouet et F.
Hospital et sont regroupées dans les articles [65] et [66]. Dans le cadre de cette thèse, les
lois concernant les vis à rouleaux et dérivant de normes [45] ont été ajoutées à ce travail.

Les lois de similitudes présentent néanmoins quelques inconvénients : le fait qu’elles

soient continues sur un intervalle et l’hypothèse de similitude géométrique (comme expli-
qué plus tôt). En réalité, pour beaucoup de composants standardisés (embouts, vis à billes,
roulements…) les dimensions sont dictés par des normes. Les solutions obtenues ne per-
mettent que d’entrevoir quelle solution à proximité du résultat obtenu est la plus adaptée
à l’application. Mais encore une fois il ne s’agit que de dimensionnement préliminaire, et
les incertitudes relevées avec la solution finale ne sont que de quelques pourcents (moins
de 10%) en termes de dimensions alors que pour des termes de puissance plus élevée,
l’erreur peut être un peu plus marquée (masse M*=l*3, 30% d’erreur au maximum).

Un méta-modèle est une approximation mathématique décrivant le comportement

simplifié d’un modèle existant. Il s’agit d’une méthode qui permet, dès lors qu’une gran-
deur d’intérêt est difficile à obtenir (temps de calcul, expérimentation, inversion complexe
d’une relation, base de données à exploiter…) d’en déterminer la valeur au travers d’une
relation mathématique explicite.

Les méta-modèles peuvent être utilisés à divers niveaux : soit pour représenter le com-
portement d’un modèle, soit pour dresser une surface de réponse des objectifs et con-
traintes de l’optimisation afin d’en accélérer la convergence. En ce qui nous concerne, on
ne s’intéressera qu’au premier cas d’application qui permet de faire un découpage multi-
niveaux.
 Les avantages sont multiples : la capitalisation de connaissances, l’étude du compor-
tement quant à l’évolution des paramètres de certains composants et une représentation
plus précise.

Quels sont les cas typiques d’application dans le cadre de la conception mécatronique ?
Eh bien, tout d’abord, à défaut de lois d’échelle, certaines fois difficiles à formuler, les mé-
ta-modèles sont un moyen d’exprimer les caractéristiques d’un composant et notamment
par analyse de résultats issus d’un calcul local, par exemple par éléments finis. Mais ils
peuvent aussi remplacer des résultats de simulation dynamique (comportement de simula-
tions thermiques, électromagnétiques, asservissements…).
La mise en place d’un méta-modèle dépend de trois points [61]:
- Le plan d’expérience (factoriel, composite central, D-optimal, G-optimal, hyper-cube
latin, aléatoire…) ;
- La forme de représentation (polynôme, spline, réseau avec fonction à base radiale, pro-
cessus stochastique, réseau de neurones…) ;
- La méthode de régression (moindres-carrés, moindres-carrés pondérés, propagation
inverse…).

Lors d’expériences physiques, les paramètres d’entrée tout comme les résultats obte-
nus ont une certaine incertitude correspondant assez bien à une loi normale de distribu-
tion. Pour une simulation, ce n’est pas le cas, sa véracité dépend uniquement de la corres-
pondance entre le modèle choisi et le phénomène physique représenté.

Pour s’assurer d’avoir des résultats exploitables, dans le cas de simulations, il s’agira
de couvrir correctement le plan d’expérimentation/d’expérience (DoE – « Design of Expe-
riments »), alors que pour des expériences physiques, il faudra en plus moyenner plusieurs
mesures réalisées avec de faibles variations des paramètres d’entrée.

Figure 1.33 – Plans d’expérience 2 facteurs/3 niveaux (factoriel, composite, latin hyper-cube) [67]

Un méta-modèle à base polynomiale se formule de la façon suivante :

y = f ( X ) = q0 + åqi .xi + ååqij .xi .x j + ... (1.07)
Où y est la réponse, X le vecteur de paramètres d’entrée (paramètres de définition du
modèle et des conditions initiales) et θ le vecteur de constantes de formulation du méta-
modèle. Afin de simplifier la compréhension, l’exemple de régression polynomiale a été
donné, mais d’autres fonctions peuvent être utilisées.
 Il est également intéressant de rappeler la formulation du méta-modèle avec fonction
à base radiale et par extension les fonctions de kriging (plus souples car possédant un pa-
ramètre de souplesse pj - compris en général entre 1 et 2 - et de rayon au noyau σj).

n kx pj n kx 2
/ s j radiale /s 2
2
- x j - x (ji ) - x j - x (ji )
y = f ( X ) = m + åq i Õ e ® y = m + åq i Õ e (1.08)
i =1 j =1 i =1 j =1
Le paramètre μ est alors la moyenne des résultats des points d’expérience xj(i), mais
peut aussi être remplacé par une approximation polynomiale. Cette formulation est en fait
basée sur le principe que des résultats proches sont fortement corrélés, d’où une pondéra-
tion par la distance. L’intérêt par rapport à une simple forme polynomiale réside dans la
capacité à représenter des surfaces de réponse complexes et fortement non-monotones.

Néanmoins, dans le cadre de nos études, où finalement les surfaces de réponse sont as-
sez lisses et continues, la forme polynomiale convient mieux et tend à générer moins
d’erreurs aux frontières ou en dehors du domaine d’étude pour peu que l’ordre du dévelop-
pement reste faible. En ce qui concerne le plan d’expérience, on préfèrera utiliser le plan
latin hyper-cube car il couvre correctement l’espace d’étude tout en permettant une éva-
luation d’un large nombre de niveaux pour chaque paramètre en un minimum
d’expériences.

En résumé, pour obtenir un méta-modèle, il faut opérer par étapes [68]:

- Définir un plan d’expériences.

- Choisir les paramètres d’entrée (X) et les résultats observables (y).
- Réduire, si besoin, le nombre de paramètres à étudier : par une analyse dimen-
sionnelle [69], analyse de criblage [70] (sensibilité) et/ou une analyse de corréla-
tion (attention on ne regarde que la dépendance linéaire entre deux variables).
- Réaliser les expériences/simulations.
- Choisir une forme de fonction et un type de régression, en appliquant certaines
transformations sur les entrées/résultats si nécessaire (ex : linéarisation d’une
équation en puissance par l’application du logarithme,…).
- Réaliser la régression pour construire le méta-modèle sur une partie des points.
- Vérifier la qualité du modèle avec les points restants (les bases de construction et
de vérification doivent être différentes).

L’étape de validation de la qualité de la surface est primordiale, car c’est elle qui ga-
rantit la qualité des résultats observés dans le cas de l’adoption du modèle. Une première
façon de s’en assurer est de tracer la correspondance entre la valeur estimée et la valeur
obtenue pour les points de validation. Les données doivent se rapprocher le plus possible
de la droite y=x.
 Un indicateur mathématique de vérification calcule le coefficient de corrélation li-
néaire de Bravais-Pearson [71], qui doit alors être proche de 1 :

å (x )( )
n
(i )
- x y (i ) - y
rxy = i =1
(1.09)

å (x ) å (y )
n n
2 2
(i )
-x (i )
-y
i =1 i =1

Le choix fait quant à la méthode d’optimisation est tout aussi important que celui con-
cernant la forme et le type de régression du méta-modèle. C’est pourquoi il est utile de
rappeler ici les choix qui s’offrent au concepteur et les raisons qui ont motivé l’utilisation
d’une solution en particulier.

L’optimisation peut alors être effectuée directement sur la réponse du système (ODDO
– « Objective Driven Design Optimization ») ou sur un méta-modèle représentant la ré-
ponse (MDDO – « Meta-model Driven Design Optimization »). Cela permet d’accélérer
grandement la convergence quand on est conduit à utiliser des simulations lourdes en
temps de calcul. Les techniques peuvent être alternées tout en réduisant l’espace de re-
cherche afin d’en améliorer la précision. Dans le cadre de cette thèse et du dimensionne-
ment d’actionneurs EMA, le parti pris est d’utiliser au plus tôt les méta-modèles, soit en
priorité sur les composants (comportement thermique, structurel…) et de conserver une
optimisation ODDO. L’intérêt est double : cela permet non seulement de capitaliser des
connaissances (dans les librairies multi-domaines) mais aussi d’assurer une certaine quali-
té de modélisation par l’assemblage de sous-problèmes.

Figure 1.34 – Assemblage de modèles vs. surface de réponse globale [-]

De plus, la procédure de calcul que l’on souhaite mettre en place est quasi-statique et
ne nécessite qu’un bon traitement des profils de mission pour en extraire l’information clé,
et au besoin des méta-modèles pour décrire certains phénomènes dynamiques transitoires
comme la vibration de carter, les propriétés d’une cinématique complexe, la thermique du
moteur… C’est pourquoi la construction d’un méta-modèle sur la réponse n’est, encore une
fois, pas nécessaire, et qu’une ODDO est suffisante.
 Avant de parler des algorithmes d’optimisation, il est important de définir le genre de
problème que l’on est conduit à résoudre lorsqu’il s’agit de concevoir un EMA. En général
il est possible de le formuler mathématiquement comme suit :
inf f (x ) Î Â n
xÎA (1.10)
avec g (x ) £ 0
Il s’agit donc de minimiser/maximiser (équivalent à minimiser la fonction opposée)
éventuellement de multiples objectifs f (masse, coût…) en jouant sur les paramètres com-
posants, x, dans un domaine de recherche défini par les technologies, A. Cette optimisa-
tion se fait sous contraintes g, car il est nécessaire de vérifier que les limites de perfor-
mance ne sont pas outrepassées ou que l’intégration et les interactions inter-composants
n’altèrent pas la viabilité de l’architecture.

Il faut savoir que les algorithmes d’optimisation peuvent être classés dans diverses ca-
tégories selon que la méthode d’optimisation utilisée est locale ou globale, à objectifs mul-
tiples ou unique, fonction de paramètres définis dans un intervalle continu ou discret (op-
timisation combinatoire)… Un autre aspect important concernant le choix de
l’algorithme, pour les méthodes de recherche des zéros du gradient (Newton-Raphson) ou
de la plus forte pente, il est nécessaire de connaître les dérivées de la fonction et dérivées
secondes (pour la Hessienne), ou d’en construire localement une approximation. C’est le
cas de la résolution numérique, qui ne marche bien que lorsque la fonction ne présente pas
trop de discontinuités. De plus, la vitesse de convergence peut s’avérer désastreuse dans
certains cas, notamment du fait que pour couvrir le domaine de recherche et s’assurer la
convergence vers un optimum global ces techniques d’optimisation doivent être couplées à
une surcouche d’initialisation heuristique (départs multiples). Il est important de nuancer
ces propos car d’autres techniques basées sur la dérivation formelle voire automatique
(prise en compte des dérivées de programmes) sont possibles [72] et permettent
d’améliorer la précision et la convergence des solveurs en s’affranchissant du problème
d’instabilité numérique rencontrée avec les différences finies.

Néanmoins, dans le but de s’assurer une certaine flexibilité de résolution (utilisation

de divers solveurs : Matlab, Excel..) et puisque l’on souhaite résoudre un problème poten-
tiellement à variables hybrides (continues et discrètes) le choix s’est naturellement orienté
vers des méthodes heuristiques. Parmi les choix disponibles (recuit simulé, Nelder-Mead,
algorithmes de colonies de fourmis, algorithmes génétiques, méthodes de nichage…), les
algorithmes génétiques ont été choisis. Ils sont basés sur la théorie de l’évolution Darwi-
nienne. Partant d’une population initiale de taille suffisante (optimale car la taille croit
exponentiellement avec le nombre de paramètres d’entrée), des croisements et mutations
sont réalisés sur la population avant une sélection prônant l’adaptabilité (ou performance)
tout en essayant de maintenir une certaine hétérogénéité (pour éviter de tomber sur un
optimum local). Les choix de configuration de l’algorithme (méthode de génération de la
population initiale, taille de population, taux de mutation, méthode de sélection, type de
croisement…) impactent très fortement la convergence de ce dernier et il n’existe pas
vraiment de règle de bon paramétrage.
 En définitive le parti pris a été de mettre l’effort sur la mise en forme du problème
(chainage des calculs, simplification des modèles avec les paramètres influents et critères
de conception actifs…) afin que celui-ci soit suffisamment simple pour être résolu dans des
environnements/logiciels répandus en industrie comme par exemple le tableur Microsoft
Excel. Le traitement s’offrant à l’utilisateur est alors numérique et le choix limité [73] :

- La méthode GRG – « Generalized Reduced Gradient » : Il s’agit d’une méthode des

gradients où la Hessienne est calculée, ce qui signifie que bien qu’étant non-
linéaires les objectifs/contraintes doivent être continus et plutôt réguliers. La
convergence de l’algorithme conduira à un optimum local, mais il arrive qu’il
s’arrête avant (message : « le solveur a convergé vers la solution courante »), lors-
que les résultats ne varient plus suffisamment (critère de convergence). Il faut
veiller à ce que les objectifs et contraintes soient du même ordre de grandeur, si-
non le critère de convergence peut être limitant, à moins que l’option échelle
automatique ait été changée. L’option « multi-start » permet de créer aléatoire-
ment plusieurs points initiaux afin d’augmenter la probabilité de tomber sur
l’extrema global.
- La méthode évolutionnaire : Il s’agit d’un algorithme assez basique et peu confi-
gurable n’assurant pas non plus une convergence certaine vers la solution globa-
lement optimale.

D’une manière générale, il est préférable de lancer l’algorithme génétique à plusieurs

reprises et de finir éventuellement par le GRG pour conjuguer ces méthodes tout en se fo-
calisant sur le rapport du solveur pour bien interpréter les raisons de son arrêt.

La conception d’actionneurs EMA fait intervenir de nombreux acteurs provenant de

domaines variés dans un travail collaboratif où l’échange d’informations est primordial.
Et c’est avant même de se pencher sur la conception que les premiers problèmes se posent :
comment spécifier correctement les besoins. Comme cela a été vu architecture fonction-
nelle et spécifications sont fortement corrélées car des fonctionnalités dépendent les ar-
chitectures physiques, et des composants les constituant découlent les besoins de spécifi-
cations (profils particuliers s’adressant aux divers critères induits par les technologies
employées). Néanmoins l’historique du fonctionnement de l’actionneur peut comporter
trop de données à manipuler et un logiciel de simplification d’analyse et de synthèse est
alors parfaitement justifié (et donnera lieu au chapitre suivant).
Mais la méthode de conception préliminaire ne se résume pas à l’élaboration et à
l’analyse du cahier des charges, et des modèles sont nécessaires pour représenter le com-
portement des composants. C’est à cet effet qu’a été présenté le processus précédemment
utilisé au sein de l’équipe, basé sur la conception par simulation. Bien que présentant un
attrait particulier : accélérer la phase de validation, l’ajout d’une surcouche d’optimisation
s’est montré peu efficace de par certains problèmes de convergence et des temps de calcul
élevés.
 C’est pourquoi des modèles mathématiques et technique associées ont permis d’utiliser
des méta-modèles en lieu et place de simulations gourmandes en temps de calcul lorsque
présentes dans la boucle d’optimisation. Cette technique présente alors deux avantages :
capitaliser des connaissances et définir le problème d’optimisation sous forme d’équations
algébriques qui, même en nombre conséquent, pourront être remises en forme pour un
traitement générique simple au travers de tableurs comme Microsoft Excel. Ces étapes de
traitement ont elles-aussi donné lieu à l’élaboration d’un logiciel dont on retrouvera la
description dans le Chapitre 3 cette fois-ci.

[1] Wikipedia. Flight control surfaces. [Online].

[Link]
[2] Delehelle A., "Etude d'un concept innovant d'actionneur électromécanique linéaire à
effets magnétique et piézoélectrique en vue d'applications dans le domaine des
commandes de vol," Institut National Polytechnique de Toulouse, Toulouse, Thèse de
doctorat 2008.
[3] Le Tron X., "A380 flight controls overview," Hamburg university of applied sciences,
Présentation Septembre 2007.
[4] Forsberg K. & al., Visualizing project management, 3rd ed., John Wiley & sons, Ed.
New York, 2005.
[5] Liscouet J., "Conception préliminaire des actionneurs électromécaniques - approche
hybride, directe/inverse," Université de Toulouse, INSA Toulouse, Thèse de doctorat
2010.
[6] Kopala D.J. & al., "High performance electromechanical actuation for primary flight
surfaces," in Recent Advances in Aerospace Actuation Systems and Components ,
Toulouse, 2001, pp. 135-140.
[7] Schinstock D.E.& al., "Controller design for EMA in TVC incorporating force
feedback," NASA technical report 1998.
[8] Grand S., "Electromechanical actuators design for thrust vector control," in Recent
Advances in Aerospace Actuation Systems and Components, Toulouse, 2004, pp. 21-28.
[9] Roos F., "Towards a methodology for integrated design of mechatronic systems," Royal
Institute of Technology, Stockholm, Thèse de doctorat 2007.
[10] Liscouet J. & al., "Design for reliability of electromechanical actuators," in Recent
Advances in Aerospace Actuation Systems and Components, Toulouse, 2010, pp. 174-
182.
[11] Liscouet J. & al., "An integrated methodology for the preliminary design of highly
reliable electromechanical actuators: search for architecture solutions," Aerospace
Science and Technology, vol. 22, no. 1, pp. 9-18, 2012.
[12] Budinger M. & al., "Coupling CAD and system simulation framework for the
preliminary design of electromechanical actuators," in IDMME Virtual Concept,
Bordeaux, 2010.
[13] Liscouet J. & al., "Estimation models for the preliminary design of electromechanical
actuators," in Proceedings of the Institution of Mechanical Engineers, Part G: Journal
of Aerospace, 2012, pp. 243-259.
[14] Cowan J.R. & al., "Design and test of electromechanical actuators for thrust vector
control," in 27th Aerospace Mechanisms Symposium, Moffett Federal Airfield -
Californie, 1992, pp. 349-366.
[15] Arriola D. & al., "From airframer requirements to detailed technical specification of
electromechanical actuators aided by knowledge-based methods," in SAE 2013
AeroTech Congress & Exhibition, Montreal, 2013.
[16] Estefan J.A., "Survey of model-based systems engineering (MBSE)," Technique 2007.
[17] Martin J.N., Systems engineering guidebook: a process for developing systems and
products, B. Raton, Ed.: CRC press, 1996.
[18] Fraj A., "Nouvelles approches en conception préliminaire basée sur les modèles pour les
actionneurs embarqués," Université de Toulouse, INSA Toulouse, Thèse de doctorat
2014.
[19] Budinger M. & al., "Optimal preliminary design of electromechanical actuators,"
Journal of Aerospace Engineering, vol. 228, no. 9, pp. 1598-1616, 2014.
[20] Hospital F. & al., "Preliminary design of aerospace linear actuator housings," Aircraft
Engineering and Aerospace Technology, 2013.
[21] Liscouet J. & al., "Modelling approach for the simulation-based preliminary design of
power transmissions," Mechanism and Machine Theory, vol. 46, no. 3, pp. 276-289,
2011.
[22] Giraud X., "Méthodes et outils pour la conception optimale des réseaux de distribution
d’électricité dans les aéronefs," Université de Toulouse, Toulouse, Thèse de doctorat
2014.
[23] Quenerch'du M., "Mechanically powered hydraulically damped actuator," EP2261513
A1, Juin 4, 2010.
[24] Balducci G. & al., "Telescopic electromechanical actuator," EP2460722 B1, Novembre
30, 2011.
[25] Bildstein M., "A built-in testable jam release device for electromechanical actuators in
flight control application," in Recent Advances in Aerospace Actuation Systems and
Components, Toulouse, 2014, pp. 105-108.
[26] Shaheen M.A. & al., "Actuator for aircraft stabilizers with a failure responsive lock
control mechanism," US6672540B1, 2002.
[27] Langenberg P., "Actuator with no-back mechanism," US3583248A, 1971.
[28] Piaton J., "Electric motor for roto-linear actuator," US2011/0254394A1, 2011.
[29] Villani M. & al., "Multi-phase high reliability PM brushless DC motor for aircraft
applications," in Recent advances in aerospace actuation systems and components,
Toulouse, 2014, pp. 91-96.
[30] Christmann M. & al., "Distributed electromechanical trailing edge flap actuation
system," in Recent advances in aerospace actuation systems and components , Toulouse,
2012, pp. 96-101.
[31] Vincze G. & al. Electric vehicles. [Online].
[Link]
[32] Islam M.S., "Issues in reducing the cogging torque of mass-produced permanent-
magnet brushless DC motor," IEEE, vol. 40, no. 3, pp. 813-820, 2004.
[33] Liscouet J. & al., "Automated generation, selection and evaluation of architectures for
electromechanical actuators," in 28th international congress of the aeronautical
sciences, Anchorage, 2008.
[34] Rollvis, "Vis à rouleaux satellites," Catalogue constructeur 2007.
[35] SKF, "Roller screws," Catalogue constructeur 2003.
[36] Karam W., "Générateurs de forces statiques et dynamiques à haute puissance en
technologie électromécanique," Université de Toulouse, INSA Toulouse, Thèse de
doctorat 2007.
[37] Mare J.-C., "Friction modelling and simulation at system level - considerations to load
and temperature effects," Journal of Systems and Control Engineering, 2014.
[38] Tiedeman R.K., "Jam-tolerant rotary actuator," US 5518466 A, Mai 1996.
[39] Nabtesco. (2013, Septembre) Terminology & understanding. [Online].
[Link]
[40] Harmonic drive AG. [Online]. [Link]
[41] Etel. [Online]. [Link]
[42] Parvex. [Online]. [Link]
[Link]
[43] Gies V. ES 206 : Mécatronique. [Online]. [Link]
[44] Turpin C., "Développement, caractérisation des pertes et amélioration de la sûreté de
fonctionnement d'un ondulateur multicellulaire à commutation douce," INP, Toulouse,
Thèse de doctorat 2001.
[45] AFNOR, "Vis à billes," Norme NF ISO 3408-5, 2006.
[46] Zaretsky E.V. & al., "Rolling bearing life prediction - past, present and future," NASA,
Technique 2000-210529, 2000.
[47] Kuhnell B.T. "Wear in rolling element bearings and gears - how age and contamination
affect them," Machinery Lubrication. [Online].
[Link]
[48] Sadeghi F. & al., "A review of rolling contact fatigue," Journal of Tribology, vol. 131,
no. 4, 2009.
[49] Lemor P.C., "The roller screw, an efficient and reliable mechanical component of
electro-mechanical actuators," in Energy conversion engineering conference,
Washington, 1996, pp. 215-220.
[50] Shelton G., "Sizing and applying roller screws," Motion System Design, no. 12, pp. 37-
41, 2005.
[51] Wikipédia. Archard equation. [Online]. [Link]
[52] Scott R. "Basic wear modes in lubricated systems," Machinery Lubrication. [Online].
[Link]
[53] Morczinek D., "Preliminary design for reliability and lifetime prediction of
electromechanical actuator systems," Institut Clément Ader, Toulouse, Thèse de master
2012.
[54] Correvon M., "Electronique de puissance - les semiconducteurs de puissance," HESSO,
Cours 2000.
[55] VDI, Design methodology for mechatronic systems. Düsseldorf.
[56] Rezgui A., "Interopérabilité de modèles dans le cycle de conception des systèmes
électromagnétiques via des supports complémentaires," Université de Grenoble,
G2eLab, Thèse de doctorat 2013.
[57] Budinger M. & al., "Scaling-law-based metamodels for the sizing of mechatronic
systems," Machatronics, vol. 24, no. 7, pp. 775–787, 2013.
[58] Hospital F., "Conception préliminaire des actionneurs électromécaniques basée sur les
modèles: lois d'estimations et règles de conception pour la transmission de puissance
mécanique," INSA Toulouse, Thèse de doctorat 2012.
[59] Sobieszczanski-Sobieski J. & al., "Mutlidisciplinary aerospace design optimization:
survey of recent developments," Structural optimization, vol. 14, pp. 1-23, 1997.
[60] El-Halabi T., "Méthodologies pour la conception optimale des systèmes d’actionnement
électromécanique," Université de Toulouse, Toulouse, Thèse de doctorat 2012.
[61] Simpson T., "Metamodels for computer-based engineering design: survey and
recommendations," Engineering with computers, vol. 17, pp. 129-150, 2001.
[62] Messine F. & al., "Optimal design of electromechanical actuators: a new method based
on global optimization," IEEE transactions on, vol. 34, no. 1, pp. 299-308, Janvier
1998.
[63] Paredis C.J.J. & al., "Composable models for simulation-based design," Engineering
with computers, no. 17, pp. 112-128, 2001.
[64] Jufer M., Traité d'électricité volume 9 : électromécanique.: Lavoisier, 1995.
[65] Budinger M. & al., "Mise en place des modèles d’estimation pour la conception
préliminaire," Techniques de l'ingénieur, no. BM8025, 2011.
[66] Budinger M. & al., "Chaînes de transmission de puissance mécatroniques - modèles
d'estimation," Techniques de l'ingénieur, no. BM8026, 2013.
[67] Goupy J. & al., Introduction aux plans d'expériences, 3rd ed., Dunod, Ed., 2001.
[68] Ford T., "More-electric aircraft," Aicraft Engineering and Aerospace Technology, vol.
77, 2005.
[69] Lacey D. & al., "The use of dimensional analysis to augment design of experiments for
optimization and robustification," Journal of Engineering Design, vol. 17, no. 1, pp. 53-
73, 2006.
[70] Raymond H.M. & al., Response surface methodology : process and product optimization
using designed experiments, 4th ed.: John Wiley & Sons, 2006.
[71] Wikipedia, Corrélation (statistiques),
[Link]
[72] Enciu P., "Dérivation automatique pour le calcul des sensibilités appliqué au
dimensionnement en génie électrique," Institut National Polytechnique, Grenoble, Thèse
de doctorat 2009.
[73] Fylstra D. & al. (1998) Design and Use of the Microsoft Excel Solver. [Online].
[Link]
 Le cahier des charges, est un document contractuel rédigé entre un client et son sous-
traitant et dont le but est de formaliser les besoins dans un langage unifié. Il sert de réfé-
rentiel dans l’ensemble du processus de développement (choix d’architectures produit,
conception, fabrication, intégration, tests & validation…), et par conséquent doit être ex-
haustif, concis et cohérent.
Son formalisme évolue en fonction du type et domaine d’activité, mais aussi au cours
du développement par transformation des spécifications systèmes vers un dossier des spé-
cifications techniques, voire de détail, pour la conception de composants. C’est pourquoi
un même projet cascadant plusieurs entreprises aux cœurs de métier variés peut générer
une multitude de documents de spécifications, eux aussi en cascade.
Dans le cadre de ce chapitre on s’intéressera plus particulièrement aux interactions
entre avionneur et systémiers, acteurs de premier rang dans le développement d’un ac-
tionneur électromécanique destiné à être embarqué à bord d’un avion. Nous verrons quels
outils apporter de manière à lier les données de simulation extraites de modèles avions aux
spécifications utiles à la conception de tels actionneurs. Pour ce faire, l’on s’appuiera sur
les limites et imperfections technologiques introduites dans le chapitre précédant et à leur
mise en équation. Un paragraphe sera dédié exclusivement aux cinématiques
d’intégration les plus fréquemment rencontrées dans les applications aéronautiques. Nous
montrerons en quoi ces degrés de liberté devraient être partagés lors de la phase de con-
ception dans l’optique d’optimiser de manière globale et non locale les systèmes
d’actionnement.
DC Direct Current
EMA Electro-Mechanical Actuator
LVDT Linear Variable Differential Transformer
MLB Maximum Lower Bound
SHA Servo-Hydraulic Actuator
VEGA Vettore Europeo di Generazione Avanzata
 La façon courante de spécifier les actionneurs SHA consiste à définir des points de
fonctionnement extrêmes, une dynamique et des contraintes d’intégration (enveloppe,
masse, réseau hydraulique, environnement…). Un plan de dossier de spécifications tech-
niques typique proposé par l’AFIS1 est présenté en Annexe B.
La spécification des actionneurs SHA ne permet pas de prendre en considération les
nouvelles problématiques induites par les EMA, comme : la thermique, la fatigue de rou-
lement mais aussi les phénomènes inertiels lors de phases dynamiques. Ce sont autant de
points critiques qu’il convient d’analyser pour en tenir compte via une validation sur des
profils de missions temporels typiques ou critiques.
Mais alors, faut-il savoir concevoir un EMA pour être en mesure de le spécifier correc-
tement ? La réponse est non, et c’est là tout l’intérêt du concept envisagé. Pour arriver à
décrire dans leur globalité les besoins d’un actionneur EMA, il faut pouvoir décrire par
des modèles les résultats généralement obtenus par une collaboration étroite entre avion-
neur et systémier, comme cela a pu être expliqué dans le chapitre précédent.
En effet le premier acteur possède des connaissances approfondies sur les fonctions
(mode actif et/ou passif, cas de panne…) et performances systèmes attendues (charge-
ment, dynamique pour assurer une stabilité dans la boucle avion, fonctionnement dégra-
dé…), alors que le systémier possède un savoir sur les composants et leurs li-
mites/imperfections, critères devant être évalués dans les conditions d’utilisation réelles.
Mais cette collaboration peut avoir un coût important en temps et en ressources. C’est
pourquoi il a été décidé (dans le cadre du projet Européen ACTUATION2015) de mener
des tables rondes avec les protagonistes pour lister les critères de première importance
pour chaque type et technologie de composant (cf. Chapitre 1), de manière à capitaliser
cette connaissance et à en tenir compte lors de la spécification et de la conception prélimi-
naire.
L’avionneur devra donc fournir, en plus des points de fonctionnement extrêmes, un
ensemble de profils de missions représentatifs des critères de conception des composants
constituant l’architecture EMA, profils souvent issus de simulations aérodynamiques.
Ceux-ci peuvent alors présenter des incohérences dynamiques avec les besoins décrits
dans le dossier de spécifications techniques (assemblage de phases de vol, échantillon-
nage…), c’est pourquoi il peut être nécessaire de les filtrer. De plus, et comme la dissémi-
nation de savoir pose un problème tout particulier dans l’industrie, il a été proposé, dans
cette thèse, d’analyser et de simplifier les profils typiques générés par l’avionneur.
Enfin, pour des applications purement transitoires, voir impulsionnelles (hypersusten-
tateurs, trappes, trains d’atterrissage…) un réel effort peut être mené sur l’adaptation des
lois de commande de manière à limiter les phénomènes de dégradation rapides ou graduels
exprimés jusqu’ici.
C’est pourquoi un outil logiciel développé dans l’environnement Matlab-Simulink a
été élaboré : YouSpecify.

1
Association Française d’Ingénierie Système ([Link]
 Il contient une librairie de modèles (profils point-à-point, dynamique actionneur, ci-
nématique d’intégration, charge, analyse de performance) qui permettent de répondre à
ces besoins.

Figure 2.1 – Librairie Matlab Simulink : logiciel YouSpecify [-]

Ce genre d’outil présente à la fois un intérêt pour le systémier qui reçoit alors rapide-
ment une spécification complète et simplifiée prône à une évolution mesurée alors que
l’avionneur possède une meilleure compréhension des phénomènes critiques de par une
analyse approfondie. Ceci lui permettra de son côté de conduire des études d’optimisation
d’intégration à la cellule avion ou encore de confronter les besoins provenant (en interne)
de sources diverses (aérodynamique-structure, asservissement…) pour en vérifier la cohé-
rence.
La décomposition du problème est alors illustrée par la Figure 2.2.

Figure 2.2 – Etapes du problème [-]

Chaque scénario correspondra à un ensemble de profils de mission représentatifs des
phases de vol (tests au sol, décollage, croisière, approche, atterrissage…) et pour lesquels
des profils de mission (charge et position) sont générés en connaissance des conditions aé-
rodynamiques/dynamiques sous une loi de commande. Profils qui sont alors adaptés en
fonction du choix de cinématique, ce qui demande une certaine flexibilité, d’autant plus en
phase amont où l’intégration n’est pas figée. Une analyse de la sévérité des profils vis-à-
vis des critères de performance permet alors une simplification des données transmises.
 Les modèles principaux utilisés dans le conditionnement du problème, seront tout
d’abord présentés dans les sections suivantes avant d’être appliqués à un cas concret
d’actionneur d’aileron afin d’illustrer le processus général d’utilisation de YouSpecify et
l’enchaînement des étapes de traitement.

Les profils de débattement de la charge peuvent être, comme expliqué précédemment,

classés dans deux catégories suivant que leur fonctionnement est continu (surfaces de
contrôle primaires actives durant la totalité du vol) ou transitoire/impulsionnel.

Pour les applications continues, des scénarios décrivant un vol typique ou extrême sont
joués sur simulateurs et des profils temporels de charge-position sont alors générés.
Néanmoins ces fichiers de points peuvent présenter un certain nombre d’imperfections :
échantillonnage, discontinuités dues à la concaténation de phases de vol, enregistrement
de l’ordre de position et non de la position actionneur obtenue (Figure 2.3). Toutes ces
raisons font que la dynamique des profils (vitesse, accélération) peut être incohérente et
ne traduit pas correctement le comportement actionneur.

Figure 2.3 – Filtrage de concaténation de phase et de profil d’ordre de position [-]

C’est pourquoi des filtres non-linéaires ont été développés, afin de tenir compte des
performances extrêmes spécifiées (bande passante, mais aussi saturation en vitesse et ac-
célération). Une des sections suivantes leur est dédiée.
Une autre façon de filtrer des séries de données temporelles en l’absence du modèle dy-
namique d’actionneur est de réaliser un lissage glissant à l’aide de polynômes en utilisant
par exemple l’algorithme de Savitzky-Golay. Un script Matlab de l’algorithme est mis à dispo-
sition dans YouSpecify. Son fonctionnement est le suivant : la valeur au point xk ainsi que sa
dérivée première et seconde s’obtiennent par pondération des valeurs en xk-i…xk+i au moyen
des coefficients de convolution. C’est d’ailleurs tout l’intérêt de l’algorithme : obtenir des dérivées
moins bruitées que par simple dérivation numérique.
 Le lissage de données bruitées issues de mesures est aussi un des points fort de
l’algorithme, mais hors de propos lorsqu’il s’agit de résultat de simulation numérique. Ici,
le but premier est d’identifier rapidement des problèmes de discontinuité mais aussi de
valider la correspondance entre spécifications (vitesse-accélération limites) et profil de
mission.
Il convient cependant de faire attention à une chose : l’échantillonnage. En effet, dans
le cas d’un pas non constant les coefficients de convolution extraits des tables ne
s’appliquent plus et doivent être recalculés.

Dans le cas où la dynamique du profil est vraiment distincte de celle spécifiée pour
l’actionneur (si seuls quelques points erratiques sont repérés ils peuvent être retirés ou lis-
sés), il convient de filtrer le profil avec une dynamique correcte (et non un lissage). Mais
modifier le profil temporel de position implique un recalage du profil de charge, car la co-
hérence F(t)=f(x(t)) doit être conservée. C’est pour pouvoir opérer ces adaptations qu’une
catégorie de modèles de charges paramétrables simples a été implémentée. Elle sera elle
aussi abordée dans une des sections suivantes.

Pour les applications dites continues, la seule brique d’intérêt dans la catégorie « pro-
fils » est donc le bloc personnalisé (« custom » en anglais) qui permet de réutiliser les pro-
fils générés par l’avionneur en vue d’une éventuelle adaptation/analyse. Toujours pour ce
type d’applications, le dossier de spécifications techniques peut également contenir des
gabarits de spécifications basés sur des profils sinusoïdaux de commande en position.
Ils peuvent être de deux types :
- Un gabarit de validation en puissance : des limites de vitesse sont données sous effort
antagoniste typique [0 ; F1], maximal Fmax et aidant F.V≤0 (cf. Figure 2.4).
- Un gabarit de validation dynamique : il s’agit de vérifier que la réponse fréquentielle
dans une bande passante [0 ; fmax] soit contenue dans un intervalle d’amplitude et de
retard de phase (cf. Figure 2.5).

Figure 2.4 – Gabarit de vitesse maximale dans le plan charge-vitesse [-]

 Figure 2.5 – Exemple d’analyse de la dynamique par gabarit fréquentiel (diagramme de Bode) [-]

Afin de valider simultanément les caractéristiques de puissance et de dynamique, il est

possible de définir des profils sinusoïdaux de position sous charge de manière à valider les
points critiques des gabarits. Pour ce faire, les points critiques (angles du gabarit) repérés
dans la Figure 2.4 et la Figure 2.5 seront évalués, en répétant les trois profils implémen-
tés en suivant, à trois fréquences différentes f=[f1 ; f2 ; fmax]:
V1
x1 (t ) = sin(2p . f .t ) sous F1 (2.01)
2p . f
V
x2 (t ) = 2 sin(2p . f .t ) sous Fmax (2.02)
2p . f
Vmax
x3 (t ) = sin(2p . f .t ) sous F =0 (2.03)
2p . f
Afin d’analyser rapidement la réponse dynamique de l’actionneur, et sans passer par
une décomposition harmonique (méthode explicitée par la suite), les approximations sui-
vantes peuvent être considérées pour le calcul du rapport d’amplitude :
æ max ( X réel ) ö
AdB » 20. log10 çç ÷
÷ (2.04)
è max ( X )
commande ø
Et de la phase :
æ q ö
X réel (t ) » A. X commandeçç t - ÷÷ (2.05)
è 2p . f ø

Les applications continues ne sont pas les seules présentes sur un avion puisque de
nombreux actionneurs fonctionnant transitoirement ou de manière impulsionnelle per-
mettent d’assurer un certain nombre de servitudes. Il se trouve que pour de tels cas, choi-
sir une loi de commande adéquate permet alors d’optimiser le design de l’actionneur EMA
[1] ou de son réseau d’alimentation en limitant les phénomènes transitoires critiques
(charge inertielle, échauffement, puissance consommée, vibrations…).
 C’est pourquoi le fait de définir une forme particulière pour le profil de déplace-
ment point-à-point présente un intérêt particulier.

Quatre profils couramment rencontrés dans la littérature et répondant à diverses pro-

blématiques (usinage [2], la robotique [3]…) sont présentés et comparés au regard de
quatre grandeurs d’intérêt :
- Le jerk maximal Jmax, lié aux vibrations ;
- L’accélération maximale Amax impactant l’effort inertiel ;
- La vitesse maximale vmax jouant sur la puissance pic consommée ;
- L’énergie Joule EJ, facteur de premier plan pour l’échauffement.

Détaillons les un à un en traçant les variables d’état les caractérisant.

La courbe en « S » :
Le terme est d’une manière générale associé aux profils de position non infiniment dé-
rivables et dont la nième dérivée (n≥3 pour avoir un jerk fini) présente une succession de
formes rectangulaires facilement paramétrables [4]:

Figure 2.6 – Forme de la nième dérivée d’une courbe en « S » d’ordre n [4]

La généralisation d’un tel profil est somme toute assez fastidieuse, et on se limitera à
la représentation de l’ordre 3 avec une façon propre de paramétrer le profil.

Figure 2.7 – Profil de jerk et d’accélération paramétré pour une courbe en « S » d’ordre 3 [-]
Où α est la proportion temporelle à jerk constant et β celle à vitesse constante, comme
représenté sur la Figure 2.7.
 Le nom courbe en « S » vient de la forme du profil de position (intégrale double de
l’accélération), qui est finalement assez proche des autres types de profils :

Figure 2.8 – Profil de position pour une courbe en « S » d’ordre 3 [-]

La première grandeur se calcule au moyen de la course utile Δr, du temps de réponse
Δt, et des deux paramètres (α, β) énoncés plus haut :
4 Dr
J max = . (2.06)
a .(1 + b )(
. 1 - 2a - b ) Dt 3
Concernant l’accélération et la vitesse extrêmes leurs formules paramétriques sont les
suivantes :
4 Dr
Amax = . (2.07)
(1 + b )(. 1 - 2a - b ) Dt 2
2 Dr
vmax = . (2.08)
(1 + b ) Dt
Il est donc possible de jouer sur α (0<α<1/4 et β≤1-4α) et β (0<β<1 et α≤(1-β)/4) de ma-
nière à limiter l’accélération et/ou la vitesse du profil de déplacement.
Qu’en est-il du courant moyen et plus précisément des pertes totales conduisant à
l’échauffement? En supposant que le couple électrique du moteur Te, s’écrive comme une
composition d’effort constant Tl et d’une part inertielle (inertie moteur J, accélération a) :
Te (t ) = J .a(t ) + Tl (2.09)
Dans ce cas la puissance perdue par effet Joule PJ, proportionnelle au carré du couple
électrique du moteur conduira au calcul de l’énergie Joule EJ suivant :
2
(
E J = ò PJ = ò l.(J .a(t ) + Tl ) .dt = l J 2 ò a 2 (t ).dt + 2 JTl ò a(t ).dt + Tl 2 .Dt ) (2.10)

Le paramètre λ est alors une constante propre au moteur.

A la vue du profil d’accélération, il est possible de simplifier la formule en supprimant
le terme intermédiaire, soit:
æ æ 8 ö ö æ J 2 .Dr 2 ö
E J = l çç J 2 . Amax2 .ç1 - a - b ÷.Dt + Tl 2 .Dt ÷÷ = l ç K . + Tl 2 .Dt ÷ (2.11)
è è 3 ø ø ç Dt 3 ÷
è ø
 Où :
æ 8 ö
16.ç1 - a - b ÷
K= è 3 ø (2.12)
[(1 + b )(. 1 - 2a - b )]2

Pour minimiser l’échauffement, et si α est déterminé, il s’agit de minimiser le premier

terme. C’est-à-dire déterminer pour quelle valeur de β la dérivée s’annule :
¶K 6 - 19a - a .(73a - 66) + 9
=0Þb = (2.13)
¶b 9
Si l’on en vient à tracer l’évolution de la constante K exprimée plus haut, et symboli-
sant l’impact de l’effort inertiel sur l’échauffement, on obtient :

Figure 2.9 – Evolution du coefficient K en fonction de α et β [-]

On se rend compte que lorsque la charge est purement inertielle, l’échauffement peut
être minimisé en prenant comme valeur de paramètre α=0 et β=1/3, soit un profil trapé-
zoïdal de vitesse. Néanmoins, il est possible de fortement diminuer les vibrations en dimi-
nuant le jerk sans pour autant pénaliser fortement l’échauffement. D’autres calculs
comme la puissance totale consommée, les efforts/puissance crête, comme présentés dans
[5], auraient pu être réalisés. Néanmoins, la pertinence des résultats obtenus dépendra du
type de charge réellement présente : dominance d’un effet de raideur, frottement sec ou
visqueux, inertie… Le panel est large, c’est pourquoi dans cette partie seul l’aspect échauf-
fement pour une charge de la forme présentée dans (2.09) sera traité. Ce type de charge a
plus de chance de correspondre à une application machine-outil qu’à un système
d’actionnement avion, cependant avec l’augmentation de l’inertie ramenée sur la charge
qu’implique le passage à la technologie d’actionnement électromécanique, cela peut être
un critère à étudier.

2
L’espace limite est défini par la relation β+4α≤1
 Le profil trapézoïdal/triangulaire :
Le profil trapézoïdal est un cas particulier de la courbe en « S » pour laquelle α=0 et
β≠0. Il en est de même pour le profil triangulaire qui peut être considéré comme un cas
particulier de profil trapézoïdal ou de courbe en « S » dont les deux paramètres sont nuls.
Le profil sera néanmoins paramétré de nouveau selon la convention prise dans l’outil
développé, YouSpecify.

Figure 2.10 – Profil d’accélération et de vitesse paramétré pour un profil trapézoïdal [-]

Il est possible de reprendre les équations précédemment énoncées et d’effectuer les

remplacements suivants : α=0 et β=1-2γ. Ce qui conduit à l’obtention des équations :
1 Dr
Amax = . (2.14)
g .(1 - g ) Dt 2
1 Dr
vmax = . (2.15)
(1 - g ) Dt
æ 2 J 2 .Dr 2 ö
EJ = lç . + Tl 2 .Dt ÷ (2.16)
ç g .(1 - g )2 Dt 3 ÷
è ø
L’énergie joules est alors minimale pour une valeur γ=1/3, soit β=1/3, valeur en accord
avec la Figure 2.9.

Le profil sinusoïdal/trigonométrique :
Tout l’intérêt d’un profil sinusoïdal est sa capacité à être indéfiniment dérivable. Ce
qui implique un jerk non infini et un profil « adouci ». Dans la littérature, il est utilisé
pour approximer les profils polynomiaux notamment afin d’en simplifier les divers calculs
de puissance/énergie.
 Pour un tel profil, les vitesse/accélération/jerk extrêmes ainsi que l’énergie joules
s’exprimeront de la manière suivante :
p 3 Dr
J max = . (2.17)
2 Dt 3
p 2 Dr
Amax = . (2.18)
2 Dt 2
p Dr
vmax = . (2.19)
2 Dt
æ p 3 J 2 .Dr 2 ö
EJ = lç . + Tl 2 .Dt ÷ (2.20)
ç 4 Dt 3 ÷
è ø

Figure 2.11 – Profil de jerk et d’accélération pour un profil sinusoïdal [-]

Le profil polynomial/parabolique :
Le profil polynomial de position, autrement appelé spline ou parabolique pour un ordre
égal à 3 [6], a une écriture de la forme suivante :
r (t ) = a0 + a1.(t - t0 ) + a2 .(t - t0 ) 2 + a3 .(t - t0 )3 + ...+ an .(t - t0 ) n (2.21)

v(t ) = a1 + 2.a2 .(t - t0 ) + 3.a3 .(t - t0 ) 2 + ...+ [Link] .(t - t0 ) n -1 (2.22)

A(t ) = 2.a2 + 6.a3 .(t - t0 ) + ...+ n.(n - 1).an .(t - t0 ) n - 2 (2.23)

J (t ) = 6.a3 + ...+ n.(n - 1).(n - 2).an .(t - t0 ) n -3 (2.24)

Ce n’est qu’à l’ordre 5 qu’il est possible d’obtenir un jerk de valeurs finies. Dans ce cas
et comme cela a été démontré dans [5], il est possible de définir les coefficients ai de telle
sortes que les conditions aux limites suivantes soient validées :
r (t0 ) = r0 , r (t f ) = r f , v(t0 ) = v(t f ) = 0, a(t0 ) = a(t f ) = 0 (2.25)
 Les étapes de résolution sont présentées en Annexe C et conduisent aux résultats sui-
vants :
Dr
J max = 60. (2.26)
Dt 3
10 Dr
Amax = (2.27)
3 Dt 2
15 Dr
vmax = . (2.28)
8 Dt
æ J 2 .Dr 2 ö
E J » l ç17,1. + Tl 2 .Dt ÷ (2.29)
ç Dt 3 ÷
è ø
Comparaison des profils :
Il est maintenant possible de remplir un tableau récapitulant les valeurs d’intérêt pour
ces divers profils, ou plus précisément des facteurs les symbolisant.

Facteur de Facteur Facteur de Facteur d’énergie Joules

Profil vitesse d’accélération jerk pour charge (2.09)
kv.(Δr/Δt) ka.(Δr/Δt2) kJ.( Δr/Δt3) λ[kE.(J2.Δr2/Δt3)+Δt.Tl2]
Sinusoïdal 1,6 4,9 15,5 7,75
Courbe « S »
1,6 5,9 58,7 16,3
(α=0,1/β=0,26)
Polynomial
1.9 5.8 60,0 17,1
(ordre 5)
Polynomial
1,5 6 ∞ 12,0
(ordre 3)
Trapézoïdal 1.3 5,3 ∞ 13,5
Triangulaire 2,0 4 ∞ 16,0

Tableau 2.1 – Sévérité des profils de position paramétrés [-]

A la vue des résultats présentés et sans autres considérations (puissance pic, totale
consommée avec chargement réel…), la consigne sinusoïdale, plus « douce », semble la plus
avantageuse sur de nombreux points.

Pour conserver la cohérence des séries temporelles charge-position, spécialement lors-

qu’un filtrage dynamique est nécessaire, on a besoin de modèles de charge.
Ceux-ci vont alors être fonction des variables d’état position/vitesse/accélération (an-
gulaire ou linéaire), mais aussi, si nécessaire, de paramètres complémentaires relatifs à
l’aérodynamique et au facteur de charge.
 Le modèle mécanique générique :
Un premier modèle consiste à intégrer trois phénomènes génériques : élasticité, frot-
tement sec, frottement visqueux et inertie :
æ ¶b ¶ 2 b ö 2
Tçb, , ÷ = k. b - b p + Tl .signæç ¶b ö÷ + c. ¶b + J . ¶ b
( ) (2.30)
ç ¶t ¶t 2 ÷ è ¶t ø ¶t ¶t 2
è ø
Un tel modèle peut être appliqué à diverses applications allant de la machine-outil
(l’effort Tl représente alors l’effort de coupe, constant pour un copeau d’épaisseur cons-
tante) à un actionneur de tuyère de lanceur spatial [7]. La modélisation du frottement au-
rait pu être encore plus complexe [8], mais dans le cadre d’une étude préliminaire, sera
supposé suffisant.
Même avec ce niveau de modèle, on voit arriver un premier problème: la non-linéarité
de la fonction « signe ». En simulation inverse comme cela est présenté ici, le problème est
levé, mais si l’on souhaite connaître la position du système lorsqu’on lui applique un profil
de couple, des instabilités aux vitesses proches de 0 auront lieu. Une façon de s’en affran-
chir et de remplacer la fonction discontinue y=signe(x) par y=tanh(x).

Le modèle aérodynamique :
La formule de portance Fz d’une aile est fonction du coefficient de portance Cz, lui-
même dépendant de l’inclinaison du profil par rapport au flux d’air, notée α. On retrouve
également la surface de référence de l’aile Sxy (projection dans le plan x-y parallèle au flux
d’air), et la densité ρ ou encore la vitesse apparente de l’air V. A ces deux derniers para-
mètres peut être substituée la pression dynamique de l’air notée q.
1
Fz = .r .V 2 .S .C z (a ) = q.S .C z (a ) (2.31)
2
La formule est semblable à l’expression de la traînée Fx, souvent usitée en automobile à
ceci près que le coefficient de portance est remplacé par le coefficient de traînée Cx, et la
surface de référence par la surface de l’avion projetée dans le plan x-z, normal au flux
d’air Sxz (proche de la surface frontale).
Le repère orthonormé direct (G, x , y , z ) est alors défini au centre de gravité G de
l’avion par le vecteur x , orienté selon le flux d’air.
Dans le cadre de l’actionnement d’une partie seulement du profil d’aile (aérofreins, ai-
leron…), le chargement appelé moment de charnière T va alors dépendre aussi de l’angle
de déflection de la surface β. Pour des variations d’angle mesurées, il est possible de linéa-
riser le modèle [9] afin d’en simplifier la détermination sans perdre en qualité :
[
T = Fz .l = q. f (a , b ) » q. kc + ka .a + k b .b ] (2.32)

Figure 2.12 – Flux d’air et paramétrage angulaire [-]

 Bien entendu, dès lors que le flux d’air vient à être modifié, notamment par une modi-
fication du profil d’aile lors de l’ouverture des becs et volets, les coefficients ki du modèle
évolueront.

Le modèle inertiel :
Dans le modèle (2.30) a été abordé l’effort inertiel, dû à l’accélération, induit par le
profil de position choisi.
Néanmoins les systèmes terrestres en mouvement subissent la gravité, mais aussi des
accélérations intrinsèques à leur déplacement (accélération longitudinale lors du décollage
atterrissage de l’avion, accélération centrifuge en virage). La composante globale
d’accélération est alors appelée facteur de charge et elle pourra créer un couple de char-
nière additionnel.
Dans le cadre du dimensionnement des actionneurs de surfaces de vol primaire les
phénomènes inertiels (des surfaces uniquement) pourront être négligés au regard des ef-
fets aérodynamiques. Ce ne sera pas le cas pour d’autres applications comme les trains
d’atterrissage.

Modèles plus complexes :

Pour les mécanismes dont la cinématique ou le chargement rend l’expression du mo-
dèle de charge assez complexe à formuler (trains d’atterrissage, becs, volets…), il est aussi
possible de définir des tables d’interpolation ou de simples polynômes fonctions de l’angle
de déflection/extension-rétraction β.

Dans le cadre de la thèse, pour adresser la partie standardisation, et après avoir fait le
constat qu’il était assez difficile d’obtenir une multitude de cahiers des charges couvrant
divers systèmes d’actionnement sur une gamme d’avions, la question suivante s’est posée:
est-il possible d’appliquer des effets d’échelle sur un dossier de spécifications techniques
pour couvrir une même application sur un avion de taille différente ? Cela permettrait
entre-autre de travailler sur la répartition de gammes de composants équipant une famille
d’avions.
Cette famille répond en général à une logique de standardisation liée au taux de rem-
plissage d’un avion commercial de personnes. Ce taux appelé aussi surface mouillée de fu-
selage ramenée à un passager correspond au ratio entre la surface de fuselage en susten-
tation et le nombre de passagers qu’il contient. La taille d’un être humain étant quasi
invariante, les largeurs de fuselages (dépendantes du nombre de places de front, de couloir
de circulation et de ponts) auront donc une répartition discrète. Pour les trois avions pré-
sentés plus haut la surface mouillée évolue de 2,21m2/passager pour l’A340 à
1,36m2/passager pour l’A380.

Afin de répondre à cette logique, supposons que l’on souhaite fabriquer un avion deux
fois plus gros. En appliquant une simple similitude géométrique, sa masse serait multi-
pliée par huit, or d’après la formule de la portance (2.31), la masse ne pourrait être com-
pensée que par une augmentation de la vitesse V qui serait alors multipliée par 1,4.
 M .g l *3
= cste Þ = 1 Þ V * = l *0,5 (2.33)
Fz * 2 * 2
V .l
Cependant la vitesse est bornée d’un côté par la vitesse minimale de sustentation (ou
durée de vol) et d’un autre par la limite subsonique de 0,86 Mach (au-delà la complexité
aérodynamique/motorisation ne serait plus économiquement viable comme cela a pu être
illustré avec le cas du « concorde »). Elle ne peut donc pas être augmentée indéfiniment.
Ceci signifie qu’un simple agrandissement n’est pas envisageable, il faudra que la sur-
face de référence de portance augmente, soit que le rapport surface aile/fuselage aug-
mente. Comme le montre la Figure 2.13, une première façon d’y arriver est d’augmenter
l’envergure (transition A320→A340), mais l’encombrement des aéroports fixe alors une
limite à ne pas franchir, ce qui signifie que pour des avions de très grande dimension, il
faudra ensuite augmenter la largeur de voilure (transition A340→A380).

Figure 2.13 – Photos d’avions Airbus (échelles variées) redimensionnés par rapport au fuselage [-]

Concernant les surfaces de commande de vol, elles devraient suivre la tendance des
surfaces portantes (ailes). Néanmoins leur fractionnement (nombre total d’ailerons, aéro-
freins, becs, volets…) pourrait différer afin de distribuer les charges et admettre les dé-
formations. Un exemple concret de ce phénomène concerne les trains d’atterrissage. En
effet, la surface d’appui au sol augmente moins vite que l’évolution massique de l’avion, ce
qui impose une augmentation du nombre de roues (sur nos trois avions présentés Figure
2.13, leur nombre est respectivement de 4-10-20). Pour limiter la masse des trains et ré-
partir les contraintes sur la piste d’atterrissage, le nombre de trains évolue lui aussi.
En faisant abstraction du fractionnement, on se rend compte que le profil d’aile chan-
geant, le flux d’air et par conséquent le modèle de chargement des surfaces est difficile-
ment extrapolable.

La conclusion a donc été que l’adaptation d’un dossier de spécifications pour

l’insertion d’un nouvel avion dans la famille actuelle n’est pas envisageable à notre niveau,
dans la mesure où cela demande des compétences avancées en dynamique des fluides et
une logique de standardisation avion qui ne fait pas partie de nos connaissances.
 Si l’on revient au découpage du problème présenté Figure 2.2, la cinématique corres-
pond à l’étape de traduction des performances de la charge vers le système d’actionnement
et inversement. Le problème que l’on a sur les systèmes d’actionnement avion est que pour
des raisons aérodynamiques et d’encombrement, les systèmes d’actionnement sont en gé-
néral excentrés (positionnement sur la charnière impossible) et les cinématiques de dé-
ploiement des surfaces parfois assez complexes. Ceci a pour conséquence directe de rendre,
assez fréquemment, le rapport de transmission variable en fonction de la course.
Un exemple flagrant de cinématique complexe est celle des dispositifs hypersustenta-
teurs (becs et volets).

Figure 2.14 – Exemples de mécanismes d’extension/rétraction de becs et volets [10,11,12]

Alors que certains mécanismes de basculement ou glissement (rapport fixe) guidés

demeurent assez simples, des mécanismes de déploiement tel que les becs Krueger ou en-
core les volets Fowler, comme ceux présentés Figure 2.14 et totalisant de nombreux bre-
vets [10,11] nécessitent un nombre important de bielles articulées afin de modifier à la
fois la surface et la courbure alaire. La transmission des efforts jusqu’au système
d’actionnement n’est pas alors chose aisée à analyser, et peut nécessiter l’utilisation de lo-
giciels de dynamique multi-corps tel ADAMS [13], SimMechanics [14], Dymola 3D [15]
et bien d’autres...
Dans cette partie on se cantonnera à l’analyse de mécanismes de complexité mesurée
et dont l’utilisation répétée sur les commandes de vol primaire ou secondaire est courante :
les mécanismes à 3 et 4 barres.
 Le nom du mécanisme provient du fait qu’en comptant la structure avion (barre non
matérialisée liant A à C), le bras de levier d’accrochage à la surface de contrôle [CB] et la
barre déformable représentant l’actionneur [AB], le compte est bien de trois.
Voici d’ailleurs quelques exemples d’utilisation du mécanisme 3 barres :

Figure 2.15 – Exemples d’applications : train d’atterrissage [16] et aileron [17]

Figure 2.16 – Schéma du mécanisme 3 barres (extension d’un angle β) [-]

Il est important de noter qu’un repère spécifique (C, ‫ݔ‬ ሬሬሬሬԦ,

ଵ ሬሬሬሬԦ)
‫ݕ‬ଵ a été choisi pour simplifier
les calculs, et non le repère avion (C, ሬሬሬሬԦ,
‫ݔ‬଴ ሬሬሬሬԦ).
‫ݕ‬଴ D’ailleurs, on observe une invariance du bras
de levier équivalent par rapport à δ. Ceci signifie qu’une fois la cinématique optimisée, il
est possible d’incliner la configuration choisie dans la cellule avion pour une meilleure in-
tégrabilité.
Le but est de lier les déplacements/vitesses/accélérations de l’actionneur à la surface
pour être en mesure de s’interfacer avec un modèle de charge lors d’une adaptation dyna-
mique.
 On cherche donc à formuler les expressions de la transformation de mouvement direct
(TF) et inverse (TF-1), présentée Figure 2.17.
( AB'- AB ) b b ( AB'- AB )
-1
¶AB ¶t a TF a ¶b ¶t ¶b ¶t a TF a ¶AB ¶t (2.34)
¶ AB ¶t 2
2
¶ b ¶t 2
2 2
¶ b ¶t 2
¶ AB ¶t 2
2

Figure 2.17 – Décomposition du modèle d’actionnement [-]

Ces transformations ont implicitement été utilisées dans le modèle de dynamique ac-
tionneur présenté Figure 2.2

L’approche considérée ici consiste alors à lier l’angle entre bielles α à l’angle de bra-
quage β. Pour cela une combinaison d’angles est nécessaire :
Ù
a = b i - b + BAB ' (2.35)

L’angle BAB’ se retrouve par sa tangente égale à D/L’, soit :

æ R.[sin(b i ) - sin(b i - b )] ö
a = b i - b + tan -1 çç ÷ (2.36)
è Li + R.[cos( b i - b ) - cos( b i )] ø
÷
Pour certaines configurations (et il en sera ainsi pour le cas d’application d’Aileron
d’A320), le terme non-linéaire est négligeable devant le terme linéaire :
a » bi - b (2.37)
Dans ce cas le rapport de transmission ou bras de levier instantané s’exprime simple-
ment de manière géométrique par :
¶AB ¶t
l= = [Link](a ) » R. sin(b i - b ) (2.38)
¶b ¶t

Sous ces conditions l’analyse de l’évolution du bras de levier est simple et consiste à
étudier la variation de la fonction trigonométrique sinus (λ/R=sin(α)) pour la plage d’angle
de déflection utile [β- ; β+] (cf. Figure 2.18).
Figure 2.18 – Fenêtre d’utilisation de l’actionneur et rapport de transmission (hypothèse linéaire) [-]

L’optimisation consistera alors à choisir la longueur de bielle R et le décalage de la fe-

nêtre d’utilisation (soit βi) de manière à adapter le rapport de transmission. Pourquoi
s’intéresser principalement à λ ? Tout simplement car les actionneurs étudiés (équipant
des avions de ligne) sont peu dynamiques. L’accélération n’est donc que de seconde impor-
tance (effort inertiel négligeable), tout comme le terme δλ/δβ évoqué plus bas.

Si l’hypothèse de linéarité α/β évoquée précédemment ne peut être vérifiée, la formule

exacte devra être utilisée (problème 2D plan). Elle est cependant plus lourde en calcul car
ሬሬሬሬԦ,
elle fait intervenir les coordonnées du point A dans le repère (C, ‫ݔ‬ ଵ ‫ݕ‬ ሬሬሬሬԦ)
ଵ :
¶AB ¶t R.[x A .sin(b - b i ) - y A . cos( b - b i )]
l= = [Link](a ) = (2.39)
¶b ¶t L( b )
Où L(β) est la longueur de l’actionneur pour l’angle de braquage β :

L(b ) = (x A - R. cos( b - bi ))2 + ( y A - [Link](b - bi ))2 (2.40)

La position relative de l’actionneur x se retrouvant alors avec la formulation :

x = L(b ) - L(0) = Lb - Li (2.41)

Une dernière relation nous intéresse, celle liant les accélérations. Elle s’obtient par dé-
rivation de l’équation (2.39) :
2
¶ 2 AB ¶2x ¶l æ ¶b ö ¶2b ¶l
= = .ç ÷ + l. 2 où £R (2.42)
¶t 2 ¶t 2 ¶b è ¶t ø ¶t ¶b

Avec pour formulation de variation du bras de levier soit la formule simple en cosinus
déduite de l’équation (2.38), soit la formule exacte :
dl R.[x A . cos (b - b i ) + y A . sin(b - b i )] (R.[x A . sin(b - b i ) - y A . cos (b - b i )])2
= + (2.43)
db L( b ) L( b ) 3
 En ce qui concerne les angles de rotulage (extrémités de l’actionneur), ils ont été im-
plicitement donnés dans les formulations précédentes puisque la formule de (‫ܤܣ‬ ሬሬሬሬሬሬԦ) est
ሬሬሬሬሬԦ , ‫ܤܣ‬ǯ
ሬሬሬሬሬሬሬԦ, ሬሬሬሬሬሬԦ
donnée dans (2.36) et l’angle (‫ܤܣ‬Ԣ ‫ܤ‬ǯ‫=) ܥ‬180°-α.

L’ensemble des équations formulées jusqu’ici correspondent au modèle cinématique in-

verse, modèle le plus fréquemment utilisé en dimensionnement. Il s’agit alors de les mani-
puler pour décrire le modèle direct, soit :
¶b 1 ¶AB 1 ¶x
= . = . (2.44)
¶t l ¶t l ¶t
1 æç ¶ 2 AB ¶l æ ¶b ö ö÷ 1 æç ¶ 2 x ¶l æ ¶b ö ö÷
2 2
¶2b
= . - .ç ÷ = . - .ç ÷ (2.45)
¶t 2 l ç ¶t 2 ¶b è ¶t ø ÷ l ç ¶t 2 ¶b è ¶t ø ÷
è ø è ø
Seule la relation liant l’angle de braquage β à la position relative d’actionneur x est
plus complexe à établir.
æx ö
b = a i - cos -1 ç + cos( b i ) ÷ (2.46)
èR ø

La problématique du mécanisme quatre barres est similaire à celle des trois barres si
ce n’est, et on le verra, que l’élaboration d’une simple formule est impossible. Le nom vient
lui aussi du nombre de barres du mécanisme en comptant la barre virtuelle représentant la
cellule avion.

Figure 2.19 – Exemples d’applications : volets [18] et actionneur de spoiler [19]

Mais en premier lieu une présentation de cette cinématique s’impose avec un schéma
paramétré Figure 2.20 illustrant un débattement angulaire β.
 Figure 2.20 – Schéma du mécanisme 4 barres (extension d’un angle β) [-]

Il est important de noter deux points qui ont leur importance : tout d’abord, un repère
spécifique (O, ‫ݔ‬ ሬሬሬሬԦ,
ଵ ‫ݕ‬ሬሬሬሬԦ)
ଵ a été choisi pour simplifier les calculs, et non le repère avion (O, ሬሬሬሬԦ,
‫ݔ‬଴
‫ݕ‬
ሬሬሬሬԦ)
଴ , l’angle δ n’ayant aucun impact sur le rapport de transmission ; ensuite, les longueurs
de bielles tout comme la distance du centre de rotation actionneur ont été adimensionnali-
sées de manière à couvrir plus de cas lors de l’analyse du système :
OI OB AB IA
l0 = = 1; l1 = ; l2 = ; l3 = (2.47)
OI OI OI OI
Comme pour le mécanisme à 3 barres, le but est de lier les déplacements/vitesses/accé-
lérations de l’actionneur à ceux de la surface, soit les transformations directe et inverse
suivantes :
o b b o
-1
¶o ¶t a TF a ¶b ¶t ¶b ¶t a TF a ¶o ¶t (2.48)
¶ 2 o ¶t 2 ¶ 2 b ¶t 2 ¶ 2 b ¶t 2 ¶ 2 o ¶t 2
Il faut savoir que beaucoup d’études ont porté sur le mécanisme quatre barres, mais ce
fut longtemps des analyses graphiques [20]. Il a fallu attendre les années 1950 et
l’apparition des ordinateurs et algorithmes pour que des gens comme Freudenstein
[21,22] se rendent compte du potentiel de résolution analytique que cela impliquait. C’est
donc sur les équations qu’il développa que nous allons nous appuyer pour construire le mo-
dèle et l’analyse.
 Pour commencer, Freudenstein introduit les grandeurs suivantes afin de simplifier les
équations de mouvement :
1 1 1 + l12 - l2 2 + l3 2
R1 = ; R2 = ; R3 = (2.49)
l3 l1 2.l1.l3
Et la condition de fermeture du mécanisme :
R1. cos(f ) - R2 . cos(y ) + R3 = cos(f -y ) = cos(f ). cos(y ) + sin(f ). sin(y ) (2.50)
Il s’agit alors de lier l’angle de rotation de l’actionneur ψ à l’angle de la surface de con-
trôle ϕ, sachant que :
f = bi - b (2.51)
Et :
o = oi -y (2.52)
De l’équation de Freudenstein, il en découle la relation suivante :
æ [(R + R1. cos (f ))(R2 + cos (f ))] - D(f ) ö
"f £ ft ,y = cos -1 ç 3 ÷
ç
è [
(R2 + cos(f )) + sin (f )
2 2 ÷
ø ]
æ [(R + R1. cos (f ))(R2 + cos (f ))] - D(f ) ö
"f > ft ,y = 360° - cos -1ç 3 ÷
ç
è [
(R2 + cos(f )) + sin (f )
2 2 ÷
ø ] (2.53)

æ l 2 - l 2 - (1 + l ) 2 ö
ft = 90° - sin -1 ç 2 1 3 ÷
ç
è 2.(1 + l3 ) ÷
ø
Avec le terme delta s’écrivant comme suit :
D(f ) = [(R3 + R1. cos(f )).(R2 + cos(f ))]2 - ...
[(R ][
2 + cos (f )) + sin (f ) . (R3 + R1. cos (f )) - sin (f )
2 2 2 2
] (2.54)

Le rapport de réduction cinématique se calcule alors :

N=
¶y ¶t ¶o ¶t
=
[R .sin(f ) - sin(f -y )]
= 1
¶f ¶t ¶b ¶t [R2 . sin(y ) - sin(f -y )]
(2.55)

En ce qui concerne l’accélération, elle s’obtient en dérivant l’équation liant les vitesses
(2.55) de rotation et s’écrit de la manière suivante :

¶ 2o ¶N ¶b ¶2b æ ¶N ¶f ¶ 2f ö÷
= . + N. =-ç . + N. (2.56)
¶t 2 ¶t ¶t ¶t 2 ç ¶t ¶t ¶t 2 ÷ø
è
Où la dérivée du rapport de réduction cinématique s’exprime :
¶N R . cos (f )(
. ¶b ¶t ) + J (y ,f ) (R2 . cos (y ).N .(¶b ¶t ) + J (y ,f )).([Link](f ) - sin(f -y ))
=- 1 +
¶t R2 .sin(y ) - sin(f -y ) (R2 .sin(y ) - sin(f -y ))2
(2.57)
¶b
avec J (y ,f ) = [cos (f ). cos (y ) + sin(f ).sin(y )].(N - 1)
¶t
L’ensemble des formules d’intérêt ont été abordées à l’exception des angles de rotules
ou encore de la relation liant l’effort F à travers la barre intermédiaire et le couple Ts sur
la charnière de surface de contrôle ou celui développé par l’actionneur Ta.
 æ
(B, OB, AB) = cos -1 ç([Link](f ) - l3 .sin(y )).sin(f ) + (l1. cos(f ) + 1 - l3 . cos(y )). cos(f ) ö÷
ç ÷ (2.58)
ç
è (l1 . sin(f ) - l3 . sin(y ) )2
+ (l1 . cos(f ) + 1 - l3 . cos(y ) )2 ÷
ø
æ
(A, IA, AB) = cos -1 ç([Link](f ) - l3 .sin(y )).sin(y ) + (l1. cos(f ) + 1 - l3 . cos(y )). cos(y ) ö÷
ç ÷ (2.59)
ç
è (l1 . sin(f ) - l3 . sin(y ) )2
+ (l1 . cos(f ) + 1 - l3 . cos(y ) )2 ÷
ø
En renommant les angles θ1=(B, ܱ‫ܤ‬ ሬሬሬሬሬԦ , ‫ܤܣ‬
ሬሬሬሬሬԦ ) et θ2=(A, ሬሬሬሬԦ
‫ܣܫ‬, ‫ܤܣ‬ሬሬሬሬሬԦ ), on retrouve l’équation
liant couple et effort sur la barre intermédiaire :
Ts Ta
F= = (2.60)
OB. sin(q1 ) IA. sin(q 2 )

Comme pour le mécanisme à trois barres, autant le modèle direct que le modèle inverse
de cinématique nous intéressent. C’est pourquoi il est intéressant de réarranger les équa-
tions (2.55) et (2.56) :
¶b 1 ¶o 1 ¶y
= . =- . (2.61)
¶t N ¶t N ¶t
¶2b 1 æç ¶ 2 o ¶N ¶b ö 1 æ ¶ 2y ¶N ¶b
÷ = .ç -
ö
÷
= . - . - . (2.62)
¶t 2 N çè ¶t 2 ¶t ¶t ÷ N ç ¶t 2
ø è ¶t ¶t ÷
ø

Maintenant que les équations du mécanisme ont été mises à plat, une analyse du rap-
port de réduction s’impose. Comme pour le mécanisme à 3 barres, les cas d’applications
sur lesquels on est à même de travailler ont des dynamiques assez faibles. Une analyse de
l’accélération a donc peu d’intérêt. Seule la transformation d’effort et de vitesse importent
et par conséquent il convient de s’intéresser au rapport cinématique N.

Pour commencer, parlons des positions particulières, ou singularités (cf. robotique) du

mécanisme, configurations pour lesquelles un alignement de deux barres a lieu, comme
cela est présenté Figure 2.21.

Figure 2.21 – Configurations particulières du mécanisme quatre barres [-]

 La configuration dont les indices sont « t » correspond à la transition des formules de
calcul de l’angle ψ (2.53). Les configurations « h » et « b » correspondent respectivement
aux alignements hauts et bas des barres qui font apparaître de forts rapports de réduction
et une certaine irréversibilité du mécanisme, donc à éviter. Il est à noter que pour cer-
taines géométries l’ensemble des configurations particulières ne sont pas nécessairement
atteignables. De plus, à la vue des courses utiles au niveau des surfaces de contrôle (entre
50° et 60°) et de par la définition du mécanisme, il sera difficile d’obtenir des rapports de
réduction supérieurs à 2.
L’angle ϕh d’alignement haut n’existe que si (λ2+ λ3)≤(λ1+1) et vaut :
æ (l + l )2 - l 2 - 1 ö
fh = 90° - sin -1 ç 2 3 1 ÷ (2.63)
ç 2.l1 ÷
è ø
L’angle ϕh d’alignement bas n’existe que si λ1≤( λ2-λ3+1) et vaut :
æ (l - l )2 - l 2 - 1 ö
-1 ç
fh = 90° - sin 2 3 1 ÷ (2.64)
ç 2.l ÷
è 1 ø
Pour optimiser le rapport de transmission, il est possible de jouer sur trois para-
mètres : λ1- λ2-λ3 et sur l’angle initial (décalage de la fenêtre d’utilisation). C’est pourquoi
il a été choisi d’étudier l’impact d’un déséquilibre entre deux facteurs alors que le troi-
sième est maintenu constant. Il s’agit donc d’une analyse découplée.
La première étude considère le déséquilibre λ1-λ2 pour des valeurs figées de λ1=2,5 et
λ3≈0,83.

Figure 2.22 – Rapport de réduction et correspondances angulaires φ, θ1 et θ2 (λ3/λ1=1/3 et λ1=2,5) [-]

Figure 2.23 – Représentation des configurations géométriques pour ϕ=100° (λ3/λ1=1/3 et λ1=2,5) [-]
 La première conclusion est qu’un rapport λ2/λ1≤1, mais proche de 1, parait plus inté-
ressant car cela fait apparaître un rapport de réduction à peu près constant sur la plage.

Si l’on répète l’étude mais en faisant évoluer le troisième paramètre, soit λ3≈0,5.

Figure 2.24 – Rapport de réduction et correspondances angulaires φ, θ1 et θ2 (λ3/λ1=1/4-λ1=2,5) [-]

Figure 2.25 – Représentation des configurations géométriques pour ϕ=100° (λ3/λ1=1/4- λ1=2,5) [-]

L’augmentation du déséquilibre λ1-λ3, avec une barre actionneur plus courte, n’est pas
profitable. Bien que le rapport de transmission augmente, cela se fait au détriment de la
plage d’utilisation qui se restreint.

Qu’en est-il maintenant si l’on diminue l’entraxe IO ? Ce qui signifie passer de

λ1=2,5 à 3 en conservant les rapports λ2/λ1 et λ3/λ1 de la première étude (Figure 2.22 et Fi-
gure 2.23).

Figure 2.26 – Rapport de réduction et correspondances angulaires φ, θ1 et θ2 (λ3/λ1=1/3 -λ1=3) [-]

 Figure 2.27 – Représentation des configurations géométriques pour ϕ=100° (λ3/λ1=1/3- λ1=3) [-]

L’allongement de l’ensemble des barres, sans toucher aux points d’ancrage à la cellule,
a l’effet inverse de celui évoqué précédemment : diminution du rapport de réduction et
élargissement de la plage de fonctionnement.
Au final le réglage manuel se fait en trois étapes :
- Choisir l’entraxe OI petite de manière à garantir l’intégration dans l’enveloppe de
l’aile ;
- Définir l’équilibre λ3-λ1 qui fait apparaître un rapport à peu près plat ;
- Augmenter de manière proportionnelle les bielles afin d’obtenir la plage utile ;
- Adapter légèrement λ2 pour les dernières modifications de forme.

Une autre façon, plus automatisée, de définir la géométrie du mécanisme consiste à

choisir trois points (ou plus [20]) dans le diagramme ϕ-ψ. Il s’agit alors de trouver R1, R2, R3
et par extension λ1, λ2, λ3 vérifiant le système d’équations :
"i Î {1;2;3}, R1. cos(fi ) - R2 . cos(y i ) + R3 = cos(fi -y i ) (2.65)
Prenons comme exemple une plage d’utilisation de 60°, avec un rapport de réduction
supposé proche de 2, soit les trois points suivants : (ϕ ; ψ)=(60° ; 50°), (90° ; 110°) et
(120° ; 170°).
La résolution donne λ1≈1,36, λ2≈1,43 et λ3=0,65, avec le rapport de transmission et les
angles de bielles donnés Figure 2.28.

Figure 2.28 – Géométrie définie par résolution de système [-]

 L’analyse du mécanisme quatre barres ne sera pas poussée plus loin, et l’on verra dans
le Chapitre 4 qu’en fonction des problématiques inhérentes à l’application étudiée et avec
un certain recul sur les paramètres d’influence de la masse actionneur, il est possible de
régler en avant-projet la cinématique de manière adéquate en modifiant, dans certains
cas, uniquement l’angle de la configuration initiale (décalage de fenêtre).
Ceci est tout aussi vrai pour le mécanisme trois barres et constitue un intérêt particu-
lier car un outil dédié de visualisation d’interférence 2D pourrait être développé et utilisé
indépendamment.

Sans aller dans l’analyse d’interférence avec une enveloppe d’aile complète, une pre-
mière analyse a tout de même été considérée (en dehors de l’outil YouSpecify) pour notre
cas d’application spoiler : l’interférence carter réducteur/barre intermédiaire (de section
ronde).
Comme le montre la Figure 2.29, il s’agit de vérifier que la distance entre carter et
barre intermédiaire reste positive.

Figure 2.29 – Interférence carter réducteur/fiche intermédiaire [-]

[ ] d
D ³ 0 Þ "f Î f - ;f + , sin(q 2 ) ³ actionneur
2.l3
+ d barre
(2.66)
 La réponse d’un système asservi à une consigne de commande est empreint de cer-
taines altérations (retard, amplitude pouvant différer, erreur statique…). Pour des sys-
tèmes non-linéaires, ces altérations sont encore plus marquées. Or, comme cela a été dis-
cuté dans le Chapitre 1, les EMA sont un agrégat de composants de natures diverses
possédant leurs propres limitations qui vont comme nous allons le voir créer des satura-
tions au niveau des états du système (position/vitesse/accélération).
C’est pourquoi un bloc Simulink a spécifiquement été développé dans YouSpecify. Il
pourra servir à l’avionneur de manière à valider la spécification dynamique vis-à-vis des
performances en boucle fermée de l’avion, mais aussi au filtrage de profils continus comme
cela a été expliqué précédemment.

Figure 2.30 – Asservissement classique en cascade d’un EMA [23]

La Figure 2.30 représente l’asservissement classique d’un actionneur électroméca-

nique, dit en cascade car il est composé de trois boucles : intensité, vitesse et position [11].
Les bandes passantes typiquement rencontrées pour les diverses boucles sont : courant
[500Hz ; 1000Hz], vitesse [10Hz ; 100Hz] et position [2Hz ; 10Hz] [24]. L’expression de
la fonction de transfert en boucle fermée est assez complexe, mais peut être approximée
par un second ordre lorsqu’on linéarise et réduit son comportement.
Celle-ci se caractérise par l’équation suivante, où x*(p) correspond à la consigne de po-
sition et x(p) la réponse du système :
x( p ) 1 ¶2x æ 2x ¶x ö
= wn 2 .çç x* - x - . ÷÷
x* ( p )
=
( )
1 + (2x wn ). p + 1 wn 2 . p 2
Û
¶ 2t è w n ¶t ø
(2.67)

Cette équation temporelle peut alors être représentée par le modèle d’état Figure 2.31,
qui a pour principal intérêt de permettre l’accès aux vitesses et accélération et non uni-
quement à la position de l’actionneur.
 Figure 2.31 – Modèle d’état d’un second ordre classique 3 [-]
Il est temps maintenant d’intégrer les non-linéarités représentatives des limites tech-
nologiques. Pour rappel, le couplage moteur/électronique de puissance constitue une pre-
mière source de non linéarité, car le flux de puissance est limité tant au niveau du couple
par le courant qu’au niveau de la vitesse par la tension.
La limitation de couple (comme éventuellement la puissance consommée) est un cri-
tère un peu complexe à prendre en compte dès l’analyse d’un profil de mission alors que
l’actionneur n’est pas conçu. En effet, la capacité d’accélération du moteur dépend du
chargement mais aussi des imperfections internes comme son inertie.
¶ 2q
=
1
(
. Tmoteur - Tch arg e ) (2.68)
¶t 2 J
Le principal problème est donc le suivant : à cette étape du projet la valeur du rapport
de réduction, des rendements internes ou encore du moteur et de ses limites ne sont pas
encore connus. Il n’est donc pas possible, même en ayant connaissance des exigences
d’’interface au réseau (tension DC, puissance-courant pic), d’adapter dynamiquement
l’accélération ou de trouver une valeur de saturation de vitesse respectant les critères
énoncés. Il s’agit donc de trouver un jeu de valeurs qui permette de valider le dossier de
spécifications tout en dimensionnant le moteur au plus proche des besoins de l’application.
Mais avant cela l’influence de ces saturations sur la réponse en fréquence et à un échelon
sera étudiée.

Les limites accélération/vitesse impactent la capacité de l’EMA à répondre à une

commande en fréquence, soit à une consigne de position (actionneur x*/moteur θ*) de la
forme :
x * (t ) = x0 . sin(wt ) Þ q * (t ) » q0 . sin(wt ) (2.69)
On voit dans (2.69), que la position du moteur n’est pas forcément une parfaite sinu-
soïde, du fait de l’introduction d’un bras de levier variable (cinématique), mais pour sim-
plifier la démonstration une égalité parfaite sera prise comme hypothèse.
L’actionneur aura alors un mouvement vérifiant l’équation (2.68) :
-1 -Km
- J .w 2 .q 0 . sin(wt ) = (Tm - Tc ) Þ q 0 . sin(wt ) £ 2
.(K m .I - Tc ) » .I (2.70)
J .w J .w 2

3
Les notations ¶x / ¶t – x& et ¶ 2 x / ¶t 2 – &x& sont équivalentes
 Où J, Tm et Km sont respectivement l’inertie, le couple électromécanique et la constante
de couple moteur et I le courant consommé (modélisation DC équivalente).
Le couple de charge Tc est en général négligeable à haute fréquence, le couple inertiel
devenant prépondérant (l’inertie d’un actionneur électromécanique étant naturellement
élevée par la contribution du rotor moteur).

Ce qui signifie qu’en cas de saturation du couple/courant moteur Imax, on aura alors :
-K m K m .I max J
q 0 .sin(wt ) £ .(- I [Link](wt )) Þ q l ( p) £ (2.71)
2
J .w w2
Ceci correspond à une droite de pente -40dB/décade dans le plan fréquence délimitant
la zone de fonctionnement de l’actionneur en terme d’amplitude de mouvement.

Passons à la limite de vitesse du moteur. A la différence de la limite de couple, elle peut

être due à diverses problématiques : choc en butée, limite de commutation, frettage du ro-
tor, limite de tension. Pour ce dernier point, nous ferons l’hypothèse que pour opérer de
manière efficace, le moteur devra être bobiné de telle sorte que la limite de tension dispo-
nible sur le réseau coïncide avec la saturation de vitesse.

Dans ces conditions, on peut traiter plus largement cette non-linéarité au moyen de
l’équation électrique d’un moteur DC équivalent au moteur choisi (modèle simplifié) :
¶q ¶I æ - Jw 2q 0 sin(wt ) ö
U m = Km + R.I + L. » K m W + R.I = K m .w.q 0 cos (wt ) + R.ç ÷ (2.72)
¶t ¶t ç K ÷
è m ø
Comme on a un décalage de π/2 entre les deux termes, on peut assumer que la tension
maximale sera obtenue pour la vitesse maximale, ce qui revient à négliger le terme RI de-
vant la force contre-électromotrice Km.Ω, hypothèse assez courante.
Dans ce cas, on obtient :
1 1 U K
q 0 cos (wt ) £ .U m (t ) = .(U max. cos(wt ) ) Þ q l ( p) £ max m (2.73)
K m .w Km w
Dans le plan fréquence apparait alors une seconde droite de pente -20dB/décade déli-
mitant un peu plus la zone utile de l’actionneur.

Nous avons présenté les limites à partir desquelles l’actionneur ne fonctionne plus de
manière linéaire, mais en réalité la performance maximale non-linéaire est obtenue par
décalage des courbes dans le plan amplitude-fréquence d’un facteur 4/π :
4 U max K m 4 K m.I max J
q nl ( p) £ & q nl ( p) £ (2.74)
p w p w2
La démonstration est donnée dans [25] et dupliquée des SHA aux EMA. Même si cela
n’a pas été prouvé mathématiquement, pour un système comportant de multiples satura-
tions, la performance dynamique est toujours égale à l’asymptote la plus contraignante.
C’est pourquoi il est possible de tracer une zone de fonctionnement utile pour l’actionneur
dans le diagramme fréquentiel, zone à la fois la plus restreinte possible afin de ne pas sur-
dimensionner l’actionneur, mais aussi suffisamment grande pour respecter les perfor-
mances dynamiques à tester ou valider.
 Figure 2.32 – Performance linéaire limite dans le plan fréquentiel [-]

Il ne faut cependant pas confondre le tracé de fonctionnement linéaire limite avec la

réponse fréquentielle à une consigne de position d’amplitude donnée qui, elle, se trace dans
le diagramme de Bode.

Nous avons abordé l’effet des saturations en vitesse et couple sur la réponse dynamique
en fréquence. Qu’en est-il pour une consigne d’échelon ? Il faut savoir que pour un système
représenté par un second ordre et se comportant linéairement, le temps de réponse (la
consigne étant atteinte avec une erreur maximale de 5%), est minimal pour ξ=0,7 (dépas-
sement <5%) et vaut :
2.9
t r ,5% » (2.75)
wn
Il s’agira alors de comparer la bande passante obtenue à celle définie par la spécifica-
tion fréquentielle pour cette valeur « idéale » de ξ. Si le dépassement est contraint à une
valeur plus faible, ξ devra être choisi en conséquence (ξ=1 pour un dépassement nul).

L’accélération maximale obtenue est alors de :

æ ö
¶2x ç wn 2 ÷
= x0 * .ç w n 2 . cosæç w n . 1 - x 2 .t ö÷.e -x .w n .t - x . . sinæç wn . 1 - x 2 .t ö÷.e -x .w n .t ÷ (2.76)
¶t 2 ç è ø 1- x 2 è ø ÷
è ø
Accélération bornée par :
¶2x ¶2x
£ = x0 * .w n 2 (2.77)
2 2
¶t ¶t t = 0
Concernant la vitesse, la valeur maximale atteinte est :
æ æ ö -x .w n .t ö
ç w n . sinç w n . 1 - x 2 .t ÷.e ÷ æ 1-x 2 ö
¶x è ø ÷ £ ¶x tan çç x
-1 ÷
= x0 * .ç ÷ » 0,46.x0 * .w n (2.78)
¶t ç ÷ ¶t t = è ø
ç 1- x 2 ÷
è ø w n . 1-x 2
 Bien entendu il s’agit des valeurs atteintes pour un fonctionnement linéaire (obtenu en
général pour des consignes de faible amplitude). Pour de grands débattements, la limita-
tion en vitesse ou en accélération impactera fortement les temps de réponse. On verra sur
un cas d’application concret comment choisir les saturations sous la contrainte de la Fi-
gure 2.32.

On a vu que les saturations en couple et en vitesse avaient une influence importante

sur le temps de réponse et les performances fréquentielles d’un EMA. Pour pouvoir en te-
nir compte dès la phase d’analyse du profil de mission, un modèle non-linéaire contenant
ces limitations (vitesse et accélération) a été développé. La limitation de la position n’a,
quant à elle, pas été prise en compte car elle nécessiterait d’être couplée au modèle de
charge via l’élasticité/amortissement des butées de fin de course, et ne présente en phase
de prédimensionnement/spécification que peu d’intérêt. En l’absence de ce lien, le modèle
Simulink présenté Figure 2.33 peut néanmoins évoluer en intégrant la saturation de posi-
tion et une fonction de reset des termes intégrateurs.

Figure 2.33 – Modèle d’états d’un second ordre non-linéaire [-]

Le bloc intégrateur permettant de passer de l’accélération à la vitesse inclue la limita-
tion et retour d’état indiquant s’il y a saturation (avec l’indication de signe). Cela sert à
forcer l’accélération à être nulle lors d’arrivée en saturation de vitesse (uniquement si
l’accélération et la vitesse ont le même signe).
Les états de l’actionneur sont alors parfaitement cohérents.

Jusqu’à présent on a considéré l’actionneur comme étant un système non-linéaire to-

talement découplé de la charge, pouvant créer de l’instabilité au niveau de la boucle avion
de par sa dynamique réduite, d’où les modèles développés pour une validation en amont
par l’avionneur. Cette simplification ne tient pas compte de la problématique de stabilité
de l’actionneur lui-même, or, en incluant les effets parasites internes tels que l’élasticité
de la transmission kT (vis-écrou et/ou réducteur) et les inerties mobiles Mm (essentielle-
ment le moteur) des modes de résonnance apparaissent et peuvent impacter
l’asservissement de la position mesurée (déplacement relatif x2=xtige-xcorps entre tige et
corps).
 Ainsi si l’on regarde la Figure 2.34, lorsque élasticité de transmission et masse mobile
sont combinées à la raideur d’accrochage à la structure kS (embouts majoritairement) et à
l’inertie de la charge Mc, il y a un découplage entre le déplacement relatif lu par le capteur
LVDT, x2 et la vitesse du moteur δx1/δt.

Figure 2.34 – Modélisation des raideurs internes/externes de l’actionneur [26]

En réglant les correcteurs sur le cas de raideurs infinies :

K p = w 0 2 .(M m + M c ); K v = 2x .w 0 .(M m + M c ) (2.79)

il est alors possible d’étudier les variables d’influence de la stabilité du système, no-
tamment en écrivant la fonction de transfert entre effort actionneur F et vitesse moteur
δx1/δt, l’effort de charge Fc étant considéré nul :
2
æ p ö
1 + çç ÷÷
1 è w a ø k S .kT 1
x&2 ( p) = . .F ( p ); w = .
(M c + M m ). p æ p ö
2 a
k S + kT M c
(2.80)
ç1 + ÷
ç w . 1+ R ÷
è a m ø

Il est alors possible d’introduire des ratios adimensionnels de masse, raideur et fré-
quence, comme expliqué dans [26] :
Mc k w
Rm = ; Rk = S ; Rw = a (2.81)
Mm kT w0
Où ω0 représente la bande passante requise. On peut alors estimer la valeur limite de
stabilité pour le ratio d’inertie en fonction des deux autres.
1
Rm ³ (2.82)
Rw 2 .(Rk + 1) - 1
Cette expression issue de [26] peut être utilisée comme règle de bonne conception à
considérer en phase de pré-design comme contrainte à ajouter au dossier de spécifications.

De même, dans ce chapitre ont été évoqués les diverses boucles « principales »
d’asservissement, néanmoins, pour la réjection des perturbations et limiter l’effet déstabi-
lisant de dérive des intégrateurs, des principes d’asservissement avancés sont alors néces-
saires avec des boucles en anticipation (« feed-forward » en anglais), des anti-windup…
mais on s’attaque alors plus à de la modélisation de prototypes virtuels nécessaires à la va-
lidation, inutilisables durant la phase de définition du dossier de spécifications, donc hors
de propos ici même.
 La phase d’analyse des profils de mission/spécifications est finalement la pierre angu-
laire de la phase de génération du dossier de spécifications, tous les modèles présentés
jusqu’ici n’étant que des outils d’adaptation des données brutes. L’analyse peut porter sur
des phénomènes transitoires : extraire les points de fonctionnement transitoires les plus
demandants (vitesse maximale, effort maximal, puissance mécanique maximale, points
très dynamiques…) ; ou moyens : recherche des portions de profils impactant le plus les
valeurs moyennes (fatigue, échauffement…). C’est pourquoi la section se divisera en deux
parties : analyse transitoire et analyse continue.

Points de fonctionnement extrêmes :

Les points de fonctionnement extrême (vitesse maximale/effort maximal) doivent être
conservés car ils sont potentiellement des critères importants de conception, notamment
en ce qui concerne l’électronique de puissance conditionnée par la puissance de coin, pro-
duit de la tension et du courant maximal. Un bilan énergétique, à condition de pouvoir
estimer l’ordre de grandeur des rendements direct et inverse, permet quant à lui d’étudier
l’intérêt d’un traitement et du rejet de la puissance régénérative vers le réseau avion.
éæ FV ö ù
E + = ò êçç ÷.(FV > 0)ú.dt; E - = ò [(- h inverse .FV )(
. FV < 0)].dt (2.83)
÷
êëè h direct ø úû
Il peut être intéressant de se servir des points de fonctionnement extrême pour évaluer
le potentiel d’une architecture physique. Pour ce faire, des grandeurs conservatives doi-
vent être utilisées afin de ne pas dépendre des rapports de réduction internes encore in-
connus. Nous appliquerons cette technique sur le choix du groupe motoréducteur. Cela
nécessite néanmoins de savoir si le moteur en question est dimensionné par le couple
maximal transitoire ou par le couple thermique (équivalent pour une durée d’application
donnée), et s’il est utilisé sur toute sa plage de vitesse (dans le cas de contraintes antago-
nistes effort/inertie ou effort/vitesse, cela peut ne pas être vrai).

Sous ces conditions, l’information de puissance de coin de la charge (ou au niveau du

moteur, en tenant compte d’éventuels rendements de transmission) permet de positionner
les besoins de l’application sur des abaques représentatifs des technologies disponibles.
Ces derniers peuvent être établis à l’aide de lois d’échelles [27], en prenant des hypothèses
sur le pas du vis-écrou (5mm/tr) mais aussi des rapports de transmission maximaux qu’il
est possible d’obtenir par les diverses technologies de réducteurs. La Figure 2.35 illustre
de tels graphiques pour un actionneur de puissance coin 2kW et de vitesse maximale li-
néaire 70mm/s.
 Figure 2.35 – Appairage du groupe motoréducteur – critère de couple max (vis-écrou 5mm/tr) [-]

Un réducteur droit à deux étages couplé à un moteur brushless de vitesse semble être
une architecture adéquate, à condition que les critères dimensionnants soient bien ceux
cités plus haut, et que le couple inertiel additionnel du moteur soit faible devant le couple
de charge.
En effet, cette étude d’architecture néglige le terme inertiel. Néanmoins pour des ac-
célérations importantes (actionneur dynamique), le rapport couple inertiel/couple de
charge peut atteindre des valeurs supérieures à 30% (cas rencontré lors du dimensionne-
ment d’un actionneur de vecteur poussée [7]), rendant l’étude technologique précédente
caduque.
Afin de vérifier l’impact potentiel du couple inertiel du moteur, il est intéressant
d’utiliser un autre graphe faisant appel à deux grandeurs conservatives (aux rendements
près) : la puissance de coin, comme précédemment, mais aussi le terme « taux de montée
en puissance » δP (ou « power-rate » en anglais), produit de l’effort et de l’accélération
maximaux. Pour un moteur, si l’on considère que 100% du couple est utilisé pour accélérer
son propre rotor, on tombe sur la première des courbes de la Figure 2.36:
Tm 2 æ ¶ 2q ö
= Tm . maxç ÷ = maxæç F ö÷. maxæç N . ¶V ö÷ = max (F ). maxæç ¶V ö÷ (2.84)
J ç ¶ 2t ÷ èNø è ¶t ø è ¶t ø
è ø
Ce graphique a été obtenu, lui aussi, au moyen des lois d’échelle. Il illustre les besoins
d’un actionneur devant délivrer une puissance coin de 2kW et un taux de montée en puis-
sance de 22kW/s.
 Figure 2.36 – Diagramme du taux de montée en puissance (vis-écrou 5mm/tr) [-]
Ici, il est clair que la part de couple inertiel est négligeable (<1%) et la conclusion est
immédiate. Néanmoins, pour des cas où la part inertielle représente plusieurs dizaines de
pourcents il est difficile de conclure. D’autant plus que l’accélération maximale n’apparait
pas forcément pour le point de charge extrême. C’est pourquoi d’autres techniques
d’analyse, plus avancées, existent.

Une analyse transitoire avancée – Van De Straete :

Une technique développée par Van de Straete dans [28] et servant à vérifier
l’adaptabilité d’un moteur (au moyen du rapport de réduction) à un point de fonctionne-
ment dynamique donné, a été extrapolée ici pour l’analyse complète d’un profil de mission
afin d’en extraire les points potentiellement contraignants.
La technique en question consiste, pour un point de fonctionnement donné, à trans-
former l’expression du couple T et de la vitesse ω du moteur ainsi que de ses limites de
fonctionnement Tm-ωm :
¶ 2q (t ) 1 F (t ) ¶q (t )
T (t , N ) = J . + Tc (t ) = J .N .a(t ) + ; w (t , N ) = = N . max (V (t )) (2.85)
¶ 2t N h ¶t
"t, $N Tm ³ T (t, N ); wm ³ w(t, N ) (2.86)
En introduisant un rapport de réduction particulier :
n* = N . J (2.87)
Et en intégrant le rendement moyen dans le profil d’effort F’(car il est encore impos-
sible de connaitre le cadran de fonctionnement ou le signe de T-T*) :
F ' (t )
T * (t , n* ) = n*.a(t ) + ; W* (t , n* ) = n*. max(V (t ) ) (2.88)
*
n
Tm
"t , $n* ³ T * (t , n* ); J .wm ³ W* (t , n* ) (2.89)
J
il est alors possible de représenter l’évolution d’un point de fonctionnement (T*, Ω*) en
fonction du rapport de réduction n* et de le comparer aux caractéristiques moteur, comme
cela a été illustré Figure 2.37.
 Figure 2.37 – Validation d’un moteur sur un point de fonctionnement dynamique [28]

Si l’on devait écrire l’équation de la courbe du graphique, on trouverait :

( ) æ 1
T * W* = inf ç FVmax +
y £ W * çè
a ö
.y ÷
y Vmax ÷ø
(2.90)

L’utilisation de la fonction « Maximum Lower Bound » - MLB, signifie tout simple-

ment que pour des valeurs de rapport n* supérieures à 9, le couple de charge et donc T*
augmente (augmentation du couple inertiel du rotor). Dans ce cas, il est toujours possible
de se ramener à ce rapport de 9, quitte à utiliser le moteur en dessous de sa capacité de
vitesse afin d’éviter un surdimensionnement en couple. Dans la Figure 2.37, pour le mo-
teur choisi, et si l’on considère le point de fonctionnement dynamique traité, la plage de
sélection du rapport n* est [3 ; 7].

Ceci étant expliqué, une question demeure : comment extraire et comparer les divers
points de fonctionnement d’un profil complet afin de ne conserver que les points les plus
contraignants ?

La réponse à cette question peut se faire en trois étapes :

- Extraire les points de fonctionnement à vitesse maximale de l’ensemble du profil P,
pour constituer l’ensemble noté E2, soit :
P = E1 È E2 / E1 Ç E2 = Æ (2.91)
- Analyser séparément les ensembles E1 et E2, en comparant la criticité point à point de
deux critères : l’accélération a et la charge F’. Mais avant cela il convient de se rame-
ner dans le demi-plan a>0, soit en appliquant les règles suivantes 4 :
ai = ai .signe(ai ); F 'i = F 'i .signe(ai ) (2.92)
Les points les moins contraignants en termes d’accélération/charge seront supprimés
par l’analyse de Pareto (ex : F2≥F1 et a2>a1, le point 1 est supprimé). Ceci conduit alors
à l’obtention d’espaces réduits :
P p = E1 p È E2 p / E p1 Ì E1, E p 2 Ì E2 (2.93)

4
L’utilisation d’un rendement moyen en lieu et place des rendements direct/inverse reste critiquable
- Pour les points restants, non-dominés, l’analyse de Van de Straete permettra de les
départager et de restreindre encore plus l’espace des points critiques :
P v = E1v È E2v / E v1 Ì E p1, E v 2 Ì E p 2 (2.94)

Figure 2.38 – Extraction du front de Pareto [-]

Sur l’exemple ci-dessus d’un cycle de vol de près d’1h, échantillonné à 5ms, soit com-
portant plus de 600000 points, l’analyse par front de Pareto permet de ne retenir que 67
points pour un coût de calcul inférieur à 0.2s sur un ordinateur personnel classique.

Vient alors la 3ème phase d’analyse qui consiste à comparer les courbes Ti*=f(Ωi*), point
à point, et de supprimer les points pour lesquels la courbe reste dominée quel que soit Ω*.
Pour ce faire, il s’agit de découper l’analyse sur trois intervalles distincts (en suppo-
sant que Ω1,s*< Ω2,s*):
- Portion Ωa*=[0 ; Ω1,s*] : portion de non saturation
- Portion Ωb*=[ Ω1,s* ; Ω2,s*] : comparaison de la courbe 2 à l’asymptote 1
- Portion Ωc*=[ Ω2,s* ; 0] : comparaison des asymptotes

Figure 2.39 – Découpage de l’analyse par portion [-]

 La saturation du point « i » apparait pour :

Fi
Wi* = .Vmax (2.95)
ai

Figure 2.40 – Dominance selon Van de Straete [-]

Sur la portion de non saturation montrer que le point 2 domine le point 1 revient à
démontrer que :
é 1 ù é A ù
"W* £ W1, s* , T2* ³ T1* Û ê((F2 - F1 ).Vmax ). + ((a2 - a1 ).Vmax ).W* ú = ê + B.W* ú ³ 0 (2.96)
* *
ë W û ëW û
Les deux points faisant partie du front de Pareto, les termes A et B sont forcément de
signe opposé et non nuls. Reste alors à écrire la condition de validité de cette formule :
A A
B > 0 Þ W* ³ - = Wc* ; B < 0 Þ W* £ - = Wc* (2.97)
B B
Si ce Ωc*se trouve dans l’intervalle, alors aucun point n’est dominant, sinon l’un des
point est dominant, et plus précisément le point 2 si la condition B<0 est vérifiée et le
point 1 dans le cas contraire. Un changement de dominance permet de sauter les compa-
raisons dans les deux autres intervalles (Ωb* et Ωc*) en gardant les deux points.

La fonction étant monotone, l’intervalle intermédiaire n’apportera aucune information

supplémentaire il s’agira juste de s’assurer que la dominance ne change pas de sens pour
les asymptotes qui ont pour valeur :
"W* > Wi, s* , Ti* = 2. ai Fi (2.98)

Si c’est le cas, le point dominant reste dominant et l’autre est supprimé, sinon on
garde les deux points.

Cette analyse permet dans le cas évoqué plus tôt, de restreindre l’étude à une vingtaine
de points de fonctionnement (21 avec le point de vitesse maximale) en 0.1s, mais plus im-
portant, de pouvoir les identifier sur le tracé temporel des profils d’effort/accélération Fi-
gure 2.41.
 Figure 2.41 – Points de fonctionnement transitoirement importants [-]

Afin d’en réduire encore le nombre, il serait possible de faire des regroupements de
cas proches et d’analyser uniquement 5 points de fonctionnement, dont 4 apparaissent
pendant la phase de croisière alors que la vitesse maximale est obtenue durant la phase de
vérification au sol.
Il aurait aussi été possible de pousser l’analyse de Van de Straete un peu plus loin en
ne comparant non plus un point de fonctionnement à un autre, mais l’ensemble des points
finaux entre eux. Pour ce faire, il aurait fallu déterminer le front de Pareto composé de
portions de courbes T*=f(Ω*), et déterminer pour chaque point si une portion de sa courbe
est incluse dans le front. C’est mathématiquement et informatiquement plus complexe et
n’a que peu d’intérêt par rapport aux simplifications par regroupement expliqués plus
haut.
En parlant d’analyse transitoire, il est aussi important d’aborder l’analyse de la dyna-
mique permettant de valider essentiellement le comportement en fréquence du modèle
d’actionneur non-linéaire, notamment à la saturation.

Analyse dynamique saturée :

A1ors que le modèle d’état saturé représentant la dynamique a été présenté plus tôt
(Figure 2.33) et que l’on a pu discuter du diagramme asymptotique des performances en
saturation (2.74), pour valider un gabarit fréquentiel de performance, il s’agit de tracer la
réponse du système dans le diagramme de Bode. Alors que pour un système linéaire la ré-
ponse est triviale, lorsque des saturations existent ce travail devient plus complexe.
C’est pour cela qu’il est possible d’utiliser un outil d’analyse fréquentielle, comme ex-
pliqué dans [29], qui génère un signal sinusoïdal x*(t)=[Link](ωt) de commande du système
et étudie les propriétés de la première harmonique de sa réponse x(t)=[Link](ωt+ϕ). La pre-
mière harmonique correspond, pour une décomposition en série de Fourier de la réponse, à
la composante sinusoïdale de plus forte amplitude (fréquence fondamentale).
 Deux grandeurs d’intérêt peuvent alors être évaluées :
Tm Tm
2 2
a1 =
Tm ò x(t ).sin(wt ).dt » [Link](j ); b1 = Tm ò x(t ). cos(wt ).dt » [Link](j ) (2.99)
0 0
Qu’il est ensuite possible de combiner pour déterminer l’amplitude et la phase :

a12 + b12 æb ö
A= ; j = tan -1 çç 1 ÷÷ + p .(a1 < 0) (2.100)
a è a1 ø
Le tracé de la réponse de l’amplitude (pour un déplacement donné) et du retard de
phase est alors possible.
Maintenant que l’ensemble des analyses transitoires ont été abordées, il s’agit de se
pencher sur les phénomènes plus dans la durée, comme l’échauffement, moyenne filtrée
des pertes Joules essentiellement, et la fatigue/usure mécanique.

Aspect fatigue/usure :
Les aspects fatigue/usure peuvent s’évaluer par la formule générique suivante, uni-
quement dépendante de la charge Fc et de la vitesse V de fonctionnement du
composant [30] :
j k
Q = ò Fc .V .dt (2.101)

Où les coefficients j et k prennent des valeurs différentes en fonction du phénomène de

fatigue et la forme des contacts (pour la fatigue de roulement à contact « ponctuel » j=3 et
k=1, pour l’usure j=1 et k=1…).
Comme le but est d’analyser le profil pour en déduire quelle phase est la plus sévère
pour les composants mécaniques, il est plus intéressant d’introduire des intégrales par in-
tervalles pour voir la répartition temporelle des dommages cumulés. De la même façon, un
découpage de la course peut être effectué pour voir la répartition des dommages en fonc-
tion de la position (linéaire/angulaire) :
ti j xi j
k k
Qit = òt i -1
Fc .V .dt; Qix = òx i -1
Fc .V .dt (2.102)

Pour certains dispositifs préchargés comme la vis, la fatigue vue par chaque moitié de
l’écrou diffère. La charge Fc se calcule alors de part et d’autre à partir des formules de
contact d’Hertz et de la raideur de contact (Annexe A1 et [31]).
Il en découle les formules suivantes :
j
òu (Fpr + 0.64.F )(. F ³ -2,[Link] )(. F < 2,[Link] ) + F.(F ³ 2,[Link] )
ui
Qiu + =
k
.V .dt (2.103)
i -1

j
òu (Fpr - 0.36.F )(. F £ 2,[Link] )(. F > -2,[Link] ) + F.(F £ -2,[Link] )
ui
Qiu - =
k
.V .dt (2.104)
i -1

A 2,8 fois l’effort de précharge, il y a rupture du contact, et l’effort de contact est alors
directement égal à l’effort appliqué.
 Nous verrons dans la partie illustration comment un tel outil peut être appliqué à un
profil de mission et surtout comment il peut être utilisé pour la génération d’un profil
simplifié équivalent.
Aspect thermique :
Les actionneurs EMA sont particulièrement soumis aux problématiques
d’échauffement qui constituent bien souvent un des critères phare de dimensionnement
des applications fonctionnant durant la totalité du vol comme les surfaces de contrôle
primaires. De plus, les pertes étant, du moins pour le moteur, assez souvent constituées
majoritairement des pertes Joule, il est intéressant d’en déterminer une grandeur propor-
tionnelle directement utilisable lors de l’analyse du profil, le carré de l’effort:
R æ R ö
PJ (t ) = R.I (t ) 2 = Tm (t ) 2 » ç ÷.F (t ) 2 µ F (t ) 2 (2.105)
2 ç 2 2 2÷
km è k m .l .h ø
Le rapport de proportionnalité est assez évident, puisque aux rapports de réduction et
rendements près (dépend du quadrant de fonctionnement), et en faisant abstraction du
couple inertiel (attention cependant aux applications dynamiques), l’effort est propor-
tionnel au courant.
Pour se rendre pleinement compte de l’échauffement du moteur au cours du cycle, il
faut utiliser un filtre représentatif d’un modèle thermique de moteur électrique. Des hypo-
thèses de modélisation (2 corps et 1 corps) détaillées en Annexe A2 sont rappelées ici.

Figure 2.42 – Rappel des modèles thermiques 1 corps (gauche) et 2 corps (droite) du moteur [-]
Le choix du modèle dépend de la dynamique étudiée. Sur une période de temps courte
(de l’ordre de la constante de temps des bobines) le modèle 2-corps est plus approprié alors
que pour une période plus longue (de l’ordre de la constante de temps du carter) le modèle
un corps est suffisant. En régime établi, un modèle purement résistif peut être utilisé.
Ces filtres paramétrés ont été implémentés sous forme de fonctions de transfert, avec
une formule relativement simple pour le modèle un corps :
F 2 filtered ( p ) 1 1
G( p) = = = (2.106)
F ( p) 2 1 + (Rth Cth ) p 1 + t th p
Et un peu plus complexe pour un modèle deux corps :
æ t ö
1+ ç ÷p
ç k (1 + 1 k )2 (1 + 1 k ) ÷
G ( p) = è R R C ø
æ t .(k R k C + k C + 1) ö æ t2 ö 2
1 + çç ÷p + ç ÷p (2.107)
÷
è k C k R (1 + 1 k R )(1 + 1 k C ) ø ç k k (1 + 1 k )2 (1 + 1 k )2
è R C R C
÷
ø

; kC = th1 ; t = (Rth1 + Rth 2 )(

. Cth1 + Cth 2 )
Rth1 C
kR =
Rth 2 Cth 2
On verra dans la section suivante comment ces modèles peuvent être utilisés.
 Cette partie est dédiée à l’utilisation des modèles sur des cas pratiques. Le cas
d’application principal est celui d’un actionneur d’aileron répondant aux besoin d’un avion
court-courrier, et sur lequel on verra comment adapter des profils dynamiquement avant
une analyse plus approfondie.
La dynamique en question restant limitée, il a paru intéressant d’illustrer des mé-
thodes de comparaison des diverses spécifications (gabarit fréquentiel, temps de réponse
aux échelons…) sur un autre projet de développement d’un actionneur, cette fois-ci spa-
tial, équipant le lanceur VEGA5.

VEGA est un lanceur spatial européen léger de dimension et capacité d’emport réduite
développé sous maitrise d’œuvre italienne. Elle répond au besoin de mise sur orbite géos-
tationnaire à moindre coût de satellites, segment confié, jusqu’à récemment, quasi exclu-
sivement à des lanceurs russes. L’étude porte sur le système d’actionnement du premier
étage de propulsion dont le développement a été confié à l’entreprise Herakles. On se con-
tentera ici d’analyser et comparer deux profils de mission en position angulaire de la
tuyère (Figure 2.43) : un de test (échelons) et l’autre correspondant à un vol typique (si-
nusoïdes), aux spécifications techniques.

Figure 2.43 – Système d’actionnement VEGA5 et profils typiques de test et de vol [-]
En phase amont de projet, le profil de test donné correspond à l’ordre de position
tuyère et non à la position réelle de celle-ci. Quant au profil de vol, il fait apparaître des
non-linéarités d’assemblage de phases sinusoïdales. C’est pourquoi le dossier des spécifica-
tions a été complété par des performances harmoniques et des temps de réponse à des con-
signes échelon, qui vont permettre de mettre en place un modèle dynamique (2nd ordre)
non-linéaire de l’actionneur en vue d’une adaptation des profils, le modèle de charge étant
connu.

5
Retrouvez le projet VEGA sur le site de l’agence spatiale européenne ([Link]
 La mise en place du modèle dynamique passe par la détermination de la bande pas-
sante, du coefficient d’amortissement et des saturations de vitesse et accélération. Pour
réaliser ces réglages, il convient de comparer la sévérité des spécifications techniques
données et rappelées dans les Tableau 2.2 et Tableau 2.3.

Fréquence 0-0.4Hz 0.4-2Hz 2-3Hz 3-5Hz 5-7Hz

Gain (dB) -0,7<G<0,7 -0,7<G<0,7 -1,5<G<1,5 -2<G<1,6 -5<G<1,6
Phase (°) -6,5<φ -36,5<φ -52<φ -54<φ -75<φ
Tableau 2.2 – Performance harmonique (braquage<2% du braquage maximal) [-]
Pour satisfaire le critère de marge de phase (avec ξ=0,7), la bande passante du second
ordre équivalent doit être prise égale à 8,7Hz. En considérant que pour des petits angles
de braquage (|β|≈2%.βmax) le système se comporte toujours de manière linéaire, on trouve
une vitesse maximale de :
¶b
£ b 0 * .wn = b 0 * .(2p . f ) » 4.4° / s (2.108)
¶t
Et une accélération maximale de :
¶ 2b
2
£ b 0 * .wn 2 = b 0 * .(2p . f )2 » 193° / s 2 (2.109)
¶t
Commande en échelon de posi- Temps de réponse Dépassement
tion (% braquage maximal) maximal (tm) maximal
0%→9% 0,12s 13%
0%→17,5% 0,15s 9%
17,5%→79% 0,38s 6%
0%→96% 0,571s 5%
Tableau 2.3 – Réponse à un échelon de position [-]

Si l’on s’intéresse maintenant à la réponse temporelle à un échelon, à partir de

l’équation (2.75), on trouve une bande passante de 4Hz (ξ=0,7), ce qui est moins sévère.
Pour déterminer une valeur approchée inférieure des limites d’accélération et de vi-
tesse à spécifier, il est possible de considérer les deux profils suivants pour des ordres de
position de petite et grande amplitude. Ces profils sont optimaux en temps de réponse.
L’utilisation des profils issus d’un système linéaire classique est inappropriée car on consi-
dère des fonctionnements saturés (non-linéaires).

Figure 2.44 – Réponse optimale (temps minimal) à un ordre de position de petite amplitude [-]
 Avec l’hypothèse d’un tel profil, l’accélération et la vitesse maximales sont données
par les formules suivantes :
x0 * tm
Amax = 4. ; Vmax = Amax. (2.110)
tm2 2

Figure 2.45 – Réponse optimale (temps minimal) à un ordre de position de grande amplitude [-]

Dans ce cas, la formule de calcul de la vitesse maximale est différente :

é * ù
êt m - t m 2 - 4. x0 ú
ê Amax ú (2.111)
Vmax = ë û .A
max
2
En appliquant ces formules au Tableau 2.3, il en ressort que la saturation de vitesse
(≥13,4°/s) et la saturation d’accélération (≥178°/s²) apparaissent toutes deux pour la
consigne d’échelon de position 0%→17,5%.βmax.
Le modèle général devant être une combinaison des plus fortes contraintes, on retien-
dra donc des données des deux spécifications : f=8,7Hz – Vmax=13,4°/s – Amax=193°/s².
La Figure 2.46 donne la réponse harmonique du second ordre non-linéaire défini, pour
un ordre de position d’amplitude |β|=2%.βmax.

Figure 2.46 – Validation de la réponse harmonique avec modèle Simulink saturé (|β|=2%.βmax) [-]

Pour obtenir ce genre de résultat, un script pilotant le modèle Simulink est utile pour
faire varier la fréquence de la commande et tracer les résultats d’amplitude/phase ainsi
que le gabarit spécifié, dans un diagramme de Bode.
 La vérification des temps de réponses à un échelon de position est aussi réalisée :

Figure 2.47 – Validation de la réponse à un échelon avec le modèle dynamique saturé [-]
Après avoir validé le filtre, il a été possible de filtrer les profils de position, puis cons-
truire un modèle de charge avec le reste des spécifications afin d’obtenir la cohérence
charge-position. Seul le filtrage du profil de test a été représenté, car c’est le plus pro-
bant.

Figure 2.48 – Filtrage du profil de test (commande) par le modèle dynamique de l’actionneur [-]
Ce profil filtré de position permet de générer, au moyen du modèle de charge, le profil
d’effort correspondant, et à eux deux, ils constituent une nouvelle donnée d’entrée du dos-
sier de spécifications.

Le second cas, qui a été finalement le cas le plus long à traiter est celui d’un actionneur
d’aileron d’avion court-courrier. La raison est assez simple, à la différence de VEGA, le
modèle de charge n’était pas connu, et des profils de charge T=f(t) et position angulaire
θ=f(t) de la surface de contrôle, généré par un simulateur avion, ont été donnés (avec
d’autres paramètres tels que l’angle d’incidence de l’aile et la pression dynamique). Mais
lors du tracé des profils dans le graphe T-δθ/δt, un ensemble de points de fonctionnement
se sont retrouvés hors gabarit (Figure 2.4). Une adaptation de la dynamique est par con-
séquent nécessaire.
 Réglage du modèle dynamique actionneur :

Comme précédemment, un filtre d’état saturé a été réglé en tenant compte de la limi-
tation de vitesse, énoncée dans le dossier de spécifications, et une limitation d’accélération
suffisamment haute pour ne pas voir apparaître de saturation dans la bande passante.

Figure 2.49 – Réponse harmonique pour une excitation à petit (0,5mm) et grand signal (19mm) [-]

La bande passante 4Hz est assurée pour les petits signaux (déphasage de 45°) con-
formément au dossier de spécifications initial. Le modèle est donc validé et le profil de po-
sition peut être filtré. Mais arrive alors un problème de taille : comment recréer un modèle
de charge, équivalent, en l’absence du simulateur de vol ?

Réglage du modèle de charge :

Le calage du modèle a été réalisé sur les profils issus du simulateur de vol en considé-
rant une combinaison de modèles de charges présentés précédemment :

¶2b
[ ]
T = q. kc + ka .a + k b .b + J 2
+ c.
¶b
¶t
+ Tg (2.112)
¶ t
Comprenant une part aérodynamique, l’inertie de la surface et des frottements ainsi
qu’une charge gravitaire constante Tg. Une régression au sens des moindres carrés a alors
été réalisée, mais les résultats se sont avérés peu réalistes.

Figure 2.50 – Etude de la corrélation du modèle de charge aux résultats simulateur [-]
 La raison de cette mauvaise corrélation était claire, les termes inertiels et de frotte-
ments étant négligeables : le modèle aérodynamique (soit les coefficients ki) dépend des
conditions d’écoulement et notamment de la pression dynamique (ki=f(q)).
[ ]
T ' = q. kc (q ) + ka (q ).a + kb (q ).b + Tg (2.113)
C’est pourquoi ont été tracées, pour un angle d’incidence quasi constant (1° pour les
phases 1 et 2,5° pour la phase 3), les charges angulaires lors de mouvement de la surface
durant trois phases différentes :

Figure 2.51 – Analyse de la variation des paramètres Ki=[Link] [-]

On se rend alors compte que kβ ne varie pas (Kβ représentant la pente est directement
proportionnel à q). De plus les coefficients d’angle d’incidence et d’angle de braquage
semblent avoir des impacts identiques : kα≈kβ. En revanche, le terme kc doit être recalé, et
le parti pris est une interpolation linéaire (après compensation de kα.Δα sur la phase 3):
kc = f (q ) = kc0 + kc1.q (2.114)
Ceci a alors permis d’obtenir une modèle plus fidèle :

Figure 2.52 – Etude de la corrélation du modèle de charge aux résultats simulateur [-]
 Il ne s’agit pas de regarder le coefficient de corrélation, qui est à la base correct et si-
milaire pour les deux modèles, mais plutôt la correspondance (linéarité) entre les résultats
issus du modèle Simulink et ceux générés par l’avionneur. Si les phases de décollage et
d’atterrissage (points grisés) sont mises de côté, l’erreur est alors bien plus contenue
(<8%). La mauvaise fidélité du modèle pour ces phases s’explique par la modification du
flux d’air due à l’ouverture des hypersustentateurs.

Figure 2.53 – Schéma Simulink de filtrage et transformation (avec cinématique) [-]

Une conclusion avant les analyses : on voit qu’il est possible de retrouver le modèle de
charge (ou du moins un qui s’en approche) à partir des profils avion fournis par
l’avionneur. C’est pourquoi il parait judicieux de limiter ce transfert de connaissances en
ne fournissant au systémier que des profils simplifiés.

Analyse de sévérité en fatigue mécanique :

L’analyse de la fatigue de roulement (sans précharge) du système vis-écrou a conduit

aux résultats de la Figure 2.54 sur laquelle deux remarques peuvent être formulées :
- La fatigue a lieu quasi exclusivement durant la phase de vol dite « régime croisière »,
qui ne représente que 50% de la durée totale de ce dernier ;
- Il n’y a pas équipartition de la fatigue sur la course de la vis à rouleaux, et les phéno-
mènes semblant très localisés (+/-2% de la course, en zoomant), il est fort probable que
le phénomène de fatigue soit combiné avec du « pitting » (indentation des surfaces).

Figure 2.54 – Répartition du cumul de fatigue de roulement (sans précharge) [-]

 Une des finalités de l’analyse étant de simplifier les profils de mission, pour toutes les
raisons évoquées jusqu’ici, il serait alors intéressant d’arriver à générer une mission de
sévérité équivalente à partir de motifs simples (en découplant, au besoin, les phénomènes).
Dans [32], l’auteur assemble des motifs de profils définis par un génome (vecteur) modifié
par une surcouche d’optimisation de manière à s’approcher au plus près des grandeurs
d’intérêt définissant le profil d’origine. Dans notre cas la génération sera plus simple, en
essayant de paramétrer manuellement des profils d’une simplicité extrême conduisant au
même cumul de fatigue.
On se rend compte que dans la zone temporelle de cumul de fatigue maximal, l’effort
est à peu près constant et vaut 50% de l’effort maximal alors que le mouvement est quasi
sinusoïdal de fréquence 0,45Hz (par analyse fréquentielle de la zone de mouvement con-
cernée) et d’amplitude 1,6% de la mi-course. Il est alors possible de jouer légèrement sur
ces trois paramètres pour retomber sur un dommage cumulé équivalent.
Analyse de sévérité en thermique :
Le plus compliqué en phase amont de projet est d’être capable de paramétrer le modèle
thermique (2.107), ce qui sans plus de données sur le moteur parait difficile.
En réalité pour des moteurs sans balais utilisés dans la gamme de puissance aéronau-
tique (de quelques kilowatts à plusieurs dizaines de kilowatts), les paramètres en question
sont bornables dans des intervalles, typiquement τÎ[10min ; 25min], kRÎ[0,25 ; 1],
kCÎ[0,25 ; 0,5]. Ce qui a permis de tracer l’évolution de l’effort filtré par deux modèles
paramétrés de manière à avoir un encadrement du comportement réel :
- Modèle 1 (estimation haute) : constante de temps et inertie thermique de bobine les
plus faibles (τ=10min – kC=0,25), résistance thermique de conduction la plus éle-
vée (kR=1) ;
- Modèle 2 (estimation basse) : τ=25min – kC=1 – kR=0,25 ;
A part pour la valeur finale qui n’a pas grand intérêt car il ne s’agit pas directement
de la température des bobines, le comportement reste semblable avec un échauffement ap-
paraissant majoritairement durant le régime de croisière.

Figure 2.55 – Filtrage de l’effort - modèle thermique 2 corps (répétition de vols avec phase au sol) [-]
 Le profil mécanique simplifié, présenté plus tôt, a lui aussi été filtré et présente des
échauffements équivalents (conservatifs).
Il est cependant à remarquer que le profil complet excède 100% du profil de vol car
l’on suppose que la phase au sol (débarquement, remplissage des réservoirs et embarque-
ment des nouveaux passagers/staff) représente à peu près 50% du temps de vol, ce qui
laisse le temps à l’actionneur de se refroidir par convection. On aurait pu choisir un temps
au sol nul afin de durcir la spécification.
Il est aussi à noter que la valeur initiale d’effort n’est pas nulle. Ceci est rendu possible
par l’initialisation de l’intégrateur du modèle à une valeur autre que 0N. Le réglage de cet
offset initial permet de retrouver les valeurs après un nombre important de répétitions du
cycle de vol (journée de fonctionnement), et donc en régime établi. Manuellement on
cherche la valeur qui permet de trouver un effort initial égal à l’effort en fin de cycle.
Le test de validation consisterait donc à partir d’une température à régime établi
(maintien d’un effort égal à 2% de l’effort maximal) avant de passer le profil thermique.

La conception d’EMA pour les applications embarquées nécessite la mise en place de

profils de mission temporels de charge/position du dispositif à actionner à joindre au dos-
sier de spécifications techniques. Leur génération/adaptation et analyse nécessite un cer-
tain nombre de modèles spécifiques qui ont été présentés dans ce chapitre.
Différentes méthodes de comparaison des sévérités/cohérence des besoins énoncés no-
tamment en terme de dynamique, point important à la fois pour la stabilité de l’avion mais
aussi le dimensionnement de l’actionneur, sont aussi abordées. Ces outils développés dans
un environnement de simulation Matlab-Simulink ont alors été utilisés pour analyser et
illustrer un système d’actionnement de surface de contrôle primaire. Cette analyse a deux
vocations : simplifier les profils en les remplaçant par des profils de sévérité équivalente
mais composés de motifs extrêmement simples pour accélérer les phases de développement
(simulation) et de test et limiter la dissémination du savoir avion vers les systémiers.
Les problématiques d’optimisation de cinématique peuvent alors être traitées séparé-
ment à condition de connaître les critères pilotant la conception de l’actionneur (illustré
dans le Chapitre 4). Cela suppose alors d’obtenir des retours sur le dimensionnement de la
part des systémiers ou d’avoir acquis un certain savoir sur des études antérieures, tout ce-
la pour cloisonner de manière forte les connaissances. L’intérêt n’est pas à sens unique, car
en contrepartie les équipementiers possèdent un dossier de spécifications simplifié mais
complet et traitent des problématiques d’optimisation portant uniquement sur
l’architecture de l’actionneur sans plus se soucier des contraintes d’intégration.
 [1] Budinger M. & al., "Optimal preliminary design of electromechanical actuators,"
Journal of Aerospace Engineering, vol. 228, no. 9, pp. 1598-1616, 2014.
[2] Brun-Picard D., "Influence of motion laws on the deformations and vibrations of
high speed machines," Mécaniques & Industries, vol. 6, pp. 417-423, 2005.
[3] Beareea R. & al., "Jerk influence on residual vibration and movement time of a 3-
axis cartesian robot," Mécaniques & Industries, vol. 6, pp. 439-445, 2005.
[4] Doang-Nguyen K. & al., "On algorithms for planning s-curve motion profile,"
International Journal of Advanced Robotic Systems, vol. 5, no. 1, pp. 99-106, 2008.
[5] Alviar A.R., "Jerk limited tracking mode for SOFIA cavity door drive system,"
University of Wisconsin-Madison, Madison, 2011.
[6] Vidoni E., "Quelques aspects pédagogiques liés au choix d'un moteur à courant
continu, pour des mouvements incrémentaux," EEEI, no. 7, 1996.
[7] Dee G. & al., "An electrical thrust vector control system with dynamic force
feedback," in Recent Advances in Aerospace Actuation System , Toulouse, 2010, pp.
75-79.
[8] Mare J.-C., "Friction modelling and simulation at system level: a practical view for
the designer," Journal of System and Control Engineering , vol. 226, no. 6, pp. 728-
741, 2012.
[9] Annaz F.Y., "Fundamental design concepts in multi-lane smart electromechanical
actuators," Smart materials and structures, vol. 14, pp. 1227-1238, 2005.
[10] Cole J.B., "Airfoil flap conical extension mechanism," US4172575, 1979.
[11] Ellis G., Control system design guide.: Elsevier, 2004.
[12] Wikipedia. Ala (aeronautica). [Online].
[Link]
[13] MSC Software. (2014) Adams - Analyse dynamique multi-physique et multi-corps.
[Online]. [Link]
[14] MathWorks. (2014) SimMechanics - model and simulate multibody mechanical
systems. [Online]. [Link]
[15] Dassault Systems. CATIA systems engineering - Dymola. [Online].
[Link]
engineering/modelica-systems-simulation/dymola/
[16] G450 checklists: Exterior Preflight Inspection Checklist. [Online].
[Link]
[17] Sukhoi Superjet 100 — pictures from the production. [Online].
[Link]
[18] Wikipedia. Spoiler (aeronautics). [Online].
[Link]
[19] Wikimedia commons. Electromechanical spoiler actuator. [Online].
[Link]
[20] Ghosal A., "The Freudenstein equation and design of four-link mechanisms,"
Resonance, pp. 699-710, 2010.
[21] Freudenstein F., "Design of four-link mechanisms," Columbia University, USA,
Thèse 1954.
[22] Freudenstein F., "Approximate synthesis of four-bar linkage," ASME, vol. 77, no. 8,
pp. 853-861, 1955.
[23] Hospital F., "Conception préliminaire des actionneurs électromécaniques basée sur
les modèles : lois d'estimations et règles de conception pour la transmission de
puissance mécanique," Université de Toulouse, INSA Toulouse, Thèse de doctorat
2012.
[24] Grellet G., Actionneurs électriques : principes, modèles, commandes.: Eyrolles, 1989.
[25] Webb J.A. & al., "Predicting dynamic performance limits for servosystems whith
saturating nonlinearities," NASA, Rapport technique 1488, 1979.
[26] Budinger M., "Preliminary design and sizing of actuation systems," Université de
Toulouse, INSA Toulouse, Mémoire HDR 2014.
[27] Liscouet J. & al., "Estimation models for the preliminary design of electromechanical
actuators," in Proceedings of the Institution of Mechanical Engineers, Part G:
Journal of Aerospace, 2012, pp. 243-259.
[28] Vand de Straete H. & al., "Servo motor selection criterion for mechatronics
application," ASME transactions on mechatronics, vol. 3, pp. 43-50, 1998.
[29] Nauvomic M.B. & al., "Developing frequency response analyzer in Matlab Simulink
environment," in 17th telecommunications forum TELFOR, 2009.
[30] Liscouet J., "Conception préliminaire des actionneurs électromécaniques - approche
hybride, directe/inverse," Université de Toulouse, INSA Toulouse, Thèse de doctorat
2010.
[31] Mare J.-C., "Friction modelling and simulation at system level - considerations to
load and temperature effects," Part I: Journal of Systems and Control Engineering,
2014.
[32] Jaafar A., "Traitement de la mission et des variables environnementales et
intégration au processus de conception systémique," Institut national polytechnique
de Toulouse, Thèse de doctorat 2011.
 De nombreux outils basés sur les graphes ont vu le jour ces dernières années, afin
d’aider l’ingénieur à gérer et résoudre des problèmes de complexité élevée plus rapide-
ment, et ce, grâce à la puissance de calcul toujours croissante des ordinateurs. De tels ou-
tils peuvent permettre de formaliser le problème fortement contraint (règles de calculs et
caractéristiques/modèles des composants) que constitue une architecture mécatronique,
sans se soucier des couplages, autres routines et étapes de résolution, puisque cela est alors
pris en charge par des algorithmes de compilation qui réalisent, eux, la partie de résolu-
tion. Ceci présente un intérêt : centraliser les connaissances métier sans se soucier de la
formulation du problème, traité dans un second temps.
Dans ce chapitre, un récapitulatif des solutions logicielles disponibles et des théories
sur lesquelles celles-ci sont en partie fondées sera dressé avant de présenter les objectifs
recherchés et la méthode de résolution choisie ainsi que les algorithmes de théorie des
graphes employés. Nous terminerons en dressant les problématiques face auxquelles il est
possible de se retrouver lorsqu’il s’agit de traiter les informations saisies par un utilisa-
teur, notamment en ce qui concerne la syntaxe de définition du problème et les éventuelles
erreurs de redite d’informations.
BFS Breadth First Search
CAO Conception Assistée par Ordinateur
CP Contraintes-Paramètres
CSP Constraints Satisfaction Problem
DAG Directed Acyclic Graph
DFS Depth First Search
EMA Electro-Mechanical Actuator
EP Equations-Paramètres
FIFO First In First Out
LIFO Last In First Out
NC(C/R) Normally Constrained (Column/Row)
OC(C/R) Over Constrained (Column/Row)
SCC Strongly Connected Components
UC(C/R) Under Constrained (Column/Row)
 Le dimensionnement préliminaire d’architectures mécatroniques est une étape clé
dans la comparaison de solutions. Alors que pour des architectures connues, les entreprises
possèdent en général un savoir-faire et des méthodes spécifiques de calcul (fiches Excel
par exemple), il arrive que les concepts innovants ne soient pas évalués car nécessitant du
temps pour repenser et adapter ces procédures de dimensionnement.
La définition du problème mécatronique, intégration de divers domaines technolo-
giques à un flux commun de puissance et d’information [1], peut se faire en considérant
deux niveaux, comme présenté Figure 3.1 et Figure 3.2 :
- Une couche mécatronique pour tenir compte des couplages fonctionnels et physiques
entre composants. Il s’agit d’une modélisation paramétrée souvent 0D-1D décrite par
un ensemble d’équations algébriques, différentielles ordinaires et algébro-
différentielles [2], représentant les scénarios de dimensionnement (flux de puissance,
fiabilité..). Il est toujours possible de ramener un phénomène à une définition pure-
ment algébrique après construction de méta-modèles [3], ce qui permet de s’affranchir
de la simulation et d’accélérer l’optimisation.
- Une couche composants (ou spécifique à un domaine) : qui définit les limites et para-
mètres utiles à la couche précédente. Les phénomènes spécifiques, internes aux compo-
sants, sont en général étudiés au moyen de modèles aux dérivées partielles calculés par
exemple par les éléments finis (2D-3D). Au niveau de la conception préliminaire, ces
modèles jugés trop lourds en temps de calcul, seront remplacés par une approximation
analytique, des méta-modèles [4] ou encore des lois d’échelle [5].

Figure 3.1 – Exemple de décomposition par domaine d’un moteur [1]

La capitalisation de connaissances dans une librairie de composants, comme pour la

simulation de modèles 0D-1D (réalisée ici dans Dymola) décrite dans le Chapitre 1, pré-
sente alors un attrait particulier en termes de flexibilité architecturale et d’accélération
de la définition du problème.
 Figure 3.2 – Définition en deux couches : mécatronique/composants [6]

Le dimensionnement multi-physique représente bien un problème fortement contraint

qui pourrait alors être abordé par des méthodes mathématiques telles que la programma-
tion de contraintes.

Pour la petite histoire, le paradigme « programmation de contrainte », résolution d’un

problème de satisfaction de contrainte par des algorithmes, nait dans les années 1980. Les
premières publications sur la théorie des contraintes apparaissent, elles, dans les années
1950-60 [7] et sont motivées par un constat simple : les opérations que sont capables de
réaliser les ordinateurs en quelques secondes équivalent à plusieurs année de travail d’un
ingénieur qualifié. C’est pourquoi il parait plus intéressant de mettre le calcul et la simu-
lation informatique au service de l’ingénieur/du scientifique pour l’aider à analyser les
phénomènes et problèmes complexes. Il pourra alors se concentrer principalement sur la
définition des variables d’importance du phénomène ainsi qu’aux relations et lois phy-
siques les liant, soit la modélisation générale qui devient alors la seule source d’erreur pos-
sible.

Les ordinateurs permettront donc d’aborder des problèmes de plus en plus sévères
pouvant faire intervenir un très grand nombre de variables (100-1000) et contraintes. Il
devient alors inconcevable de demander à l’utilisateur de vérifier la concordance et cohé-
rence du problème qu’il a posé, et des méthodes mathématiques d’analyse devront l’aider à
vérifier que ce dernier est correctement posé et contraint ou encore qu’une solution est
envisageable.
 Le dimensionnement d’un actionneur EMA et plus largement de systèmes multi-
physique, finalement exprimable sous forme d’un problème de satisfaction de contrainte
(CSP), est défini par :
CSP = ( X , D, C )
- X, ensemble de variables ;
(3.01)
- D, domaines d’appartenance des valeurs des variables ;
- C, contraintes reliant les variables.
Les critères ou objectifs à optimiser sont intégrés en tant que contraintes. En se ra-
menant à un CSP, il est possible d’utiliser les techniques de résolution de la programma-
tion par contraintes : exploration et exploitation de solutions au moyen de méthodes lo-
cales ou évolutives, méthodes de propagation de contrainte (réduction des domaines des
variables)…

Dans [8] et [9], une distinction est faite entre les contraintes selon qu’elles soient sous
forme : d’équations algébriques (relation régulière), d’équations différentielles ou inté-
grales (relations continues) ou d’inéquations (relation intervalle).
Bien que les méthodes de résolution ou de vérification de la singularité du problème
soient issues principalement de la théorie des graphes, des techniques comme la propaga-
tion de contraintes visant à réduire les domaines de définition des variables s’appliquent
prioritairement à certains types de relations (ici les intervalles).

Pour la conception mécatronique collaborative faisant intervenir des spécialistes de

divers domaines, ayant chacun leurs propres outils et méthodes de conception, il devient
utile de centraliser et hiérarchiser les flux d’information.

Et pour ce faire, diverses techniques existent :

- Une définition orientée des étapes de calcul sans notion d’optimisation : la déclaration
des variables et interfaces entre les domaines et le chaînage des échanges (ou
« workflow ») dans un processus orienté entre logiciels spécifiques sont réalisés par
l’utilisateur. Cette procédure semi-automatisée se retrouve souvent comme surcouche
logicielle développée en interne pour piloter un ensemble limité de logiciels dédiés
(CAO, éléments finis, simulation 0D-1D…) dans un processus de calcul itératif (ex :
conception de machines électriques [10], configuration de cabine avion [11]…). Il
existe d’ailleurs des logiciels open-source facilement déployables pour ce genre
d’application : Salome [12].
- Une définition orientée des étapes de calcul avec des fonctionnalités avancées : beau-
coup de logiciels d’optimisation multidisciplinaires existent tels qu’iSight [13], Opti-
mus [14], modeFrontier [15] et bien d’autres, et permettent de réaliser ces chaînages
tout en offrant des outils d’analyse statistique, d’appliquer des méthodes
d’optimisation ou encore de construire des surfaces de réponse sur des simulations
(appels de logiciels) conduites à l’aveugle (boîtes noires).
 L’intérêt est le post-traitement qu’offrent ces solutions. En revanche le chaînage des
simulations reste du ressort de l’utilisateur, laissé sans assistance.
- Une définition déclarative et non-orientée du problème [16] : basés sur le paradigme
de la programmation par contrainte, de nombreux logiciels, parfois open-source, ont
vu le jour. Alors que certains possèdent encore la capacité de s’interfacer à de la simu-
lation, d’autres se contentent de centraliser les connaissances sous forme de compo-
sants définis par des équations (et inéquations) algébriques (et parfois différentielles)
dans un langage déclaratif. Il est possible de citer notamment les logiciels De-
signSheet [17], TKSolver [18], Ascend [19], Cades [20], Cream [21], Choco [22]…

Il faut savoir qu’en plus des logiciels précédemment énoncés, un ensemble d’outils gra-
phiques existent et permettent d’ores et déjà de représenter et analyser le flux
d’information. Pour des problèmes relativement simples, ces méthodes de représentation
visuelles permettent même de vérifier la qualité du problème (dont le bouclage algé-
brique). Parmi les plus connues, on retrouve :

- Le diagramme causal : il représente les relations entre variables et composants de ma-

nière orientée, par des flèches, d’où son surnom de graphe dirigé acyclique (DAG –
« Directed Acyclic Graph » en anglais). Il s’agit en définitive d’une traduction gra-
phique de la procédure de calcul (agencement des équations) et pour chaque nouveau
paramètre on connait quels antécédents sont nécessaires à son évaluation [23]. Cela
permet aussi d’analyser l’influence qu’ont les paramètres d’entrée (cahier des charges)
sur les grandeurs calculées. Leur utilisation a été, dans un premier temps, informelle,
puis elle s’est généralisée à des systèmes de recherche experte (notamment la robo-
tique) mais aussi à la recherche épidémiologique.
- Le diagramme N² : à mi-chemin entre graphe et matrice, il représente les interfaces
fonctionnelles ou physiques entre les éléments d’un système. Inventé par l’ingénieur
Robert J. Lano dans les années 1970, il permet de décrire les interactions entre les N
entités (symbolisées par les cellules de la diagonale) avec le bon niveau de granularité
(possibilité de réaliser des décompositions à divers niveaux). Pouvant être utilisé pour
une description fonctionnelle ou encore la gestion de flux de travail [24], l’outil peut
être adapté au chaînage du dimensionnement en définissant comme entités les étapes
de calcul, et comme interfaces, les paramètres échangés. Comme représenté sur la Fi-
gure 3.3, le flux d’information peut se faire dans le sens horaire (C1→C2, C1→C4,
C2→C3, C3→C4), mais aussi sous forme de feedback (C3→C2) bien plus probléma-
tique car représentant une boucle de conception à éviter.
 Figure 3.3 – Possibilités de représentation d’un diagramme N² [-]

- La matrice de dépendance (« Dependency Structure Matrix » - DSM) : aussi appelée

matrice d’adjacence en théorie des graphes, elle est très utilisée en ingénierie système
et management de projet. Proche du N² diagramme, elle représente les dépendances
entre entités/paramètres par des booléens (ou croix). Ainsi une croix ligne i - colonne
j, signifie que l’obtention de i dépend de j. Elle est alors symétrique pour les problèmes
non-orientés, bien que ce ne soit pas sa principale utilisation. Les DSM peuvent être
utilisées pour représenter et optimiser les échanges à divers niveaux de décomposi-
tion : groupes de travail, niveau système, niveau composant… Les bouclages ou feed-
back sont alors schématisés par des croix au-dessus de la diagonale alors qu’une ma-
trice triangulaire inférieure est synonyme d’un séquencement optimal de calcul. Des
blocs peuvent être formés (comme montré Figure 3.4) afin de limiter les échanges
entre groupes de travail et favoriser le travail collaboratif au sein de chaque groupe.
Ce genre de regroupement porte un nom, il s’agit de composantes fortement connexes
(ou « Strongly Connected Components » - SCC).
Cette matrice peut aussi présenter une structure légèrement différente pour décrire
un graphe bipartite puisqu’alors les lignes et colonnes ne représentent pas les mêmes
entités mais respectivement les équations et paramètres inconnus du problème. Dans
ce cas elle portera le nom d’adjacence-EP (Equations-Paramètres) pour plus de clarté.

Figure 3.4 – Matrice DSM [25]

- Les graphes bipartite et orienté : le premier est utilisé pour représenter l’appairage
entre équations et paramètres inconnus de manière à orienter le problème, alors que
pour le second l’orientation est déjà décidée et les équations peuvent ou non être repré-
sentées.
Prenons un exemple mathématique simple :
f 1: x 2 + y 2 - b 2 = 0
f 2 : 3x + y = 0 (3.02)

f 3 : z 3 - 2x + a = 0
Où X=[x, y, z]T est le vecteur inconnu et a et b deux paramètres d’entrée connus.

La représentation est alors la suivante :

Figure 3.5 – Formalisme de représentation du problème [-]

Les entrées du problème, connues, sont liées aux équations par des connexions orien-
tées, et seront écartées des représentations suivantes (et des algorithmes) pour alléger
l’écriture d’autant plus qu’elles ne sont pas traitées.

La première étape est celle de l’appairage, les connexions non-affectées (ou non-
orientées) se transformeront en connexions affectées (double-trait).

Figure 3.6 – Appairage équations paramètres inconnus dans un graphe bipartite [-]

Une fois l’affectation maximale obtenue sur le graphe biparties (contraintes vs. va-
riables), celui-ci pourra être transformé en graphe orienté et simplifié.

Figure 3.7 – Simplification de la représentation sur un graphe orienté [-]

 Lors de la composition d’un problème mécatronique, à deux couches (mécatronique et
composants), le graphe bipartite peut alors se représenter sous forme d’un double-graphe
pour bien montrer l’appartenance des équations et paramètres aux différentes couches.

Figure 3.8 – Graphe bipartite scindé [-]

Un des objectifs de l’outil logiciel, développé dans le cadre de cette thèse, est de forma-
liser et capitaliser le savoir (limites, modèles d’estimation et méta-modèles comportemen-
taux..) dans des blocs composants et scénarios sous forme d’équations/inéquations algé-
briques déclaratives, blocs qui sont à leur tour classés dans une librairie. Le
prédimensionnement d’une nouvelle architecture avec de nouvelles spécifications consiste
alors en un assemblage de blocs et l’ajout de liens entre les paramètres par des équations
(et inéquations) déclaratives.
Le problème ainsi décrit peut être singulier (sur/sous-contraint, redondant) et a des
chances de présenter des boucles algébriques (certes en nombre réduit, car la conception
mécatronique d’EMA demeure peu couplée). Pour toutes ces raisons, une aide intelligible
doit être apportée au concepteur pour le guider dans les étapes de mise en forme et de
conditionnement du problème.
Enfin, une des volontés majeures était d’obtenir en sortie du logiciel un code de calcul
explicite, ouvert et utilisable sur des solveurs de calcul « grand public » tels qu’Excel ou
Matlab. C’est pourquoi les bouclages numériques seront conditionnés de manière à être
reportés sur la boucle d’optimisation externe. Ce n’est pas forcément la méthode de réso-
lution la plus rapide, mais c’est celle choisie pour des raisons d’implémentation « ouverte ».
Pour tous ces aspects, qu’il n’est possible de trouver sur aucun des logiciels existants, il
a été considéré de développer une solution informatique spécifique (et à la fois assez large,
car divers problèmes mécatroniques peuvent être traités en fonction de la richesse de la
librairie).
 Le problème de satisfaction de contrainte optimisé se présente sous forme
d’équations/inéquations algébriques (puisque les modèles de simulation pourront être
remplacés par une approximation mathématique) pour la plupart non-linéaires (lois
d’échelle, flux de puissance, méta-modèles…). Sa formulation (3.01) peut être affinée :

f i (X ) j = 1, l fonctions objectif (masse, coût, durée de vie…)

g j ( X ) £ 0 j = 1, m contraintes inégalités (limites technologiques)
hk ( X ) = 0 k = 1, n contraintes égalités (lois d’échelle, méta-modèle, flux de (3.03)
puissance…)
[
X = X 1 , X 2 ,...,X p T ] variables de conception (rapports de réduction, para-
mètres d’intégration, coefficient de surdimensionnement)

D’une manière générale, dans un problème de satisfaction de contrainte, les con-

traintes égalités et inégalités ne sont pas traitées de la même façon. Alors que les pre-
mières servent au chaînage des calculs, les secondes sont en général utilisées pour res-
treindre l’espace de recherche des méthodes d’optimisation. On sait aussi qu’en général
l’optimum est obtenu alors que certaines frontières sont actives ( gj(X)=0), sauf que
l’utilisateur ne connait pas, à priori, quel critère de dimensionnement d’un composant est
le plus sévère puisque cela dépend, entre autres, des conditions d’utilisation (profils de
mission). C’est pourquoi, dans un premier temps, l’ensemble des contraintes inégalitaires
seront considérées comme étant des frontières actives, et, en fonction de la singularité du
problème (si celui-ci est sur-contraint), une aide sera apportée à l’utilisateur pour
l’introduction de coefficients de surdimensionnement et le relâchement de contraintes
(gérées alors par la surcouche d’optimisation).

La procédure de définition d’un composant est souvent sur-contrainte et la raison est

simple : il possède plusieurs limites de fonctionnement. A titre d’exemple, le groupe moto-
réducteur devra être capable de passer les points de fonctionnement transitoires extrêmes
(charge maximale – vitesse maximale), mais aussi ne pas excéder un certain échauffement
sur le cycle complet. Ce qui donne dans ce cas-là 3 contraintes pour 2 degrés de liberté (le
couple de définition et le rapport de transmission).

Dans ce cas, et de manière semi-automatique (l’utilisateur est guidé), des coefficients

de surdimensionnement ‘k’ pourront être introduits et permettront de transformer le pro-
blème :
{g1(X ) £ 0 g 2 (X ) £ 0 g3 ( X ) £ 0}Þ {g1 ( X , k ) = 0 g 2 ( X ) = 0 g3 ( X ) £ 0} (3.04)
Une fois les sur-contraintes restantes sorties du problème (déplacées à la couche
d’optimisation), il sera possible d’appliquer un certain nombre d’algorithmes pour arriver
à séquencer les calculs. On s’assurera alors la capacité d’estimer l’ensemble des paramètres
inconnus, mais en aucun cas de trouver une solution.
 Revenons maintenant au problème de mise en place d’une procédure de dimensionne-
ment. L’utilisateur devra dans un premier temps définir les composants (couche compo-
sants) et leurs interactions (couche mécatronique) par déclaration de contraintes. Ceci
fera alors apparaître de nouvelles variables par reconnaissance de la syntaxe, qui pourront
être typées comme étant connues (besoins de l’application issus du cahier des charges ou
de l’analyse des profils de mission) ou inconnues (soit à déterminer), et définies par un
certain nombre d’informations (signification, unités,…). Cette phase déclarative facilitera
la sauvegarde du savoir sous forme de librairies.

La première étape consiste à appairer contraintes (égalitaires ou inégalitaires mais

considérées comme actives) et variables inconnues. Il s’agit du processus de mariage
(« matching » en anglais) qui vise à orienter les équations. Si dès cette étape le nombre
d’inconnues et d’équations diffèrent, on peut d’ores et déjà affirmer que le problème est
singulier (sauf en cas de présence d’équations redondantes, mais on y reviendra).
p < (n + m) Þ sur - contra int
(3.05)
p > (n + m) Þ sous - contra int

Néanmoins un nombre identique d’équations et d’inconnues ne permet pas de s’assurer

que le problème est correctement posé, cela peut être le cas lorsqu’il y a présence de com-
posants fortement connexes. Dans ce cas il convient d’identifier les singularités en procé-
dant à une décomposition du problème en trois sous-problèmes de variables/équations :
sous-contraint, normalement contraint, sur-contraint. Cela n’assure toujours pas
l’absence de contraintes redondantes dans le sous-problème normalement contraint, mais
ce type de problématique sera abordé en aparté.

Une fois les singularités détectées, l’ingénieur sera amené à les supprimer en posant au
besoin un certain nombre de paramètres comme étant connus ou en déplaçant des con-
traintes inégalitaires vers la surcouche d’optimisation en introduisant dans un même
temps un ou des coefficients de surdimensionnement.

Le problème étant alors normalement contraint, il s’agit de vérifier s’il contient des
boucles algébriques symbolisées par des composants fortement connexes.

Comme un chaînage de calcul explicite ne peut pas contenir de boucles qui supposent
une résolution numérique locale, il s’agit de détruire ces boucles en posant un minimum de
paramètres (de la boucle) comme étant connus et dans un intervalle (IR + ou IR-) à définir.
Le bouclage numérique sera alors géré par la surcouche d’optimisation qui devra alors vé-
rifier la concordance entre valeur supposée et estimée.

Les modifications du problème seront aidées, mais réalisées entièrement par

l’utilisateur.

Une méthodologie de définition et de conditionnement d’un problème conception mé-

catronique a par conséquent été mise en place et est synthétisée dans le Tableau 3.1.
 Processus Méthodes Outils
Graphiques Logiciel
1 Définition du 1.1 Déclaration des Graphe non-orienté Librairie de
problème contraintes et avec différentiation composants et
typage des des noeuds entre scénarios à
variables. équations, réutiliser en plus
paramètres connus du code déclaratif
et variables additionel.
inconnues
2 Orientation 2.1 Appairage Utilisation de Application de
du problème équations/ graphe biparties en l’algorithme
variables augmentant d’Hopcroft &
inconnues. l’appairage par Karp [26].
modification des
affectations.
2.2 Identification Après appairage, Algorithme de
des singularités repérer les décomposition de
(sur-contraintes équations et Dulmage-
et sous- variables libres. Mendelsohn [27].
contraintes)
2.3 Les erreurs de singularité sont corrigées par l’utilisateur en
fixant des variables comme étant connues ou en déplaçant
des contraintes inégalitaires (avec introduction de
coefficients de surdimentionnement, au besoin) lorsque cela
est possible, ou à défaut en supprimant des contraintes
égalitaires (dans ce dernier cas, la méthode 3.2 peut être
appliquée préventivement).
3 Identification 3.1 Identification Appliquer une Algorithme de
des boucles, des composantes recherche en Tarjan [28].
(vérification fortement profondeur sur un
de l’absence connexes. graphe orienté et
de repérer les
redondances) bouclages.
et adaptation 3.2 Vérification des Aucune Substitution
du problème redondances. symbolique.
3.3 Recherche des Test par suppresion Heuristique.
variables à poser de nœuds sur le
comme connues. graphe orienté.
3.4 Correction à apporter manuellement.

Tableau 3.1 – Synthèse de la méthodologie proposée [-]

 Le logiciel, répondant aux besoins exprimés précédemment, et développé au cours de
cette thèse, porte le nom de « GraphSize » (soit dimensionnement basé sur la théorie des
graphes). Il se rapproche fortement des travaux réalisés par D. Serrano dans les années
1980 [29], avec certaines variantes quant aux algorithmes utilisés mais, et surtout, un
effort prononcé sur le conditionnement du code de sortie explicite et facilement impor-
table sur un ensemble de plateformes de résolution. De plus l’accent est mis sur la capitali-
sation de connaissances avec la décomposition en deux couches et le regroupement des
modèles algébriques (tels que les méta-modèles) sous forme d’une librairie.

Cette décomposition se retrouve forcément, même sur le prototype Matlab où

l’interface graphique fait clairement la distinction entre les couches dans l’arborescence.

Figure 3.9 – Interface graphique du prototype GraphSize développé sous Matlab [-]

Les équations saisies sont analysées et les paramètres extraits et ajoutés dans
l’arborescence. Il est alors possible de les typer comme étant des entrées connues du pro-
blème (fixe : défini par un réel, variable : défini par un intervalle continu) ou des variables
inconnues à déterminer (donc éventuellement des sorties).
Ce que l’on appelle contraintes sont en réalité les inéquations considérées comme
telles. Elles ne sont prises en considération que par la surcouche d’optimisation et non par
le traitement des graphes.
Il est bien entendu possible d’importer des composants, qui sur cette version beta, de-
vront être enregistrés de manière manuelle dans des fichiers texte. L’enregistrement et
l’ouverture d’un projet existant sont possibles, tout comme les principales étapes d’analyse
indiquées plus haut (singularités, boucles, export de la procédure de calcul explicite sous
forme de fonction Matlab).
 Le plan chronologique des tâches réalisées dans GraphSize sera suivi, à l’exception de
la 3.2, explicitée séparément. Mais avant d’aborder ces algorithmes « avancés », il con-
vient de comprendre ceux, basiques, sur lesquels ils sont fondés : les recherches en profon-
deur (« Depth First Search » - DFS) et en largeur (« Breadth First Search » - BFS).

L’algorithme est basé sur l’utilisation d’une file dans laquelle il retire le premier som-
met disponible, et place à la fin de celle-ci les sommets voisins (ou adjacents) non encore
explorés. Les sommets explorés doivent être marqués (enregistrés) afin d’éviter de mul-
tiples explorations et bouclages.
Afin de connaitre la taille de l’arbre et « l’altitude » des divers sommets, il convient de
classer les nœuds par niveau, c’est une option permise par l’algorithme et utile pour les
études qui suivront. Les nœuds décrivant le niveau i+1 correspondent à la pile lorsque
l’ensemble des nœuds du niveau i ont été traités.
Pour résumer :
1. Initialiser la file (un ou plusieurs nœuds, en fonction du traitement à réaliser) et
l’enregistrer dans le niveau 1 ;
2. Retirer le premier nœud et chercher les sommets adjacents ;
3. Enregistrer les sommets adjacents non présents dans la file et non enregistrés dans
les niveaux inférieurs (traités) à la suite de la file ;
4. Si une fois le nœud retiré, aucun des nœuds du niveau courant i n’est présent dans
la pile, enregistrer celle-ci comme étant le niveau i+1 ;
5. Répéter les étapes 2 à 4 jusqu’à épuisement des sommets dans la file.

En appliquant cela à un exemple simple, avec une initialisation niveau_1={A,B} :

Figure 3.10 – Explication graphique du parcours en largeur [-]

Sur la Figure 3.10, il faut attendre la fin de l’étape de traitement n°2 pour que les
sommets A et B disparaissent de la file, et, par conséquent, que le niveau 2 et les sommets
C-D-E soient enregistrés. C’est ensuite à la fin de l’étape n°5 que l’enregistrement du ni-
veau 3 a lieu avec les sommets F-G-H.
 L’algorithme de parcours en profondeur est assez similaire au BFS, à l’exception de la
gestion de la file (appelée pile). En effet au lieu d’appliquer le principe du premier arrivé-
premier traité (« First In, First Out » - FIFO), le premier nœud traité est le dernier enre-
gistré, comme sur une pile de livres par exemple (« Last In, First Out » - LIFO). Il n’a pas
pour but de hiérarchiser les sommets, uniquement de parcourir une arborescence, c’est
pour cela qu’on ne parle pas, ici, de notion de niveau.

1. Initialiser la pile (un ou plusieurs nœuds) ;

2. Retirer le dernier nœud, l’enregistrer en mémoire comme traité et chercher les
sommets adjacents ;
3. Enregistrer les sommets adjacents non parcourus (ni dans la pile, ni en mémoire) à
la suite de la pile ;
4. Répéter les étapes 2 et 3 jusqu’à épuisement des sommets dans la pile.

Figure 3.11 – Explication graphique du parcours en profondeur [-]

Maintenant que les concepts de base sont plus clairs pour le lecteur, il est possible
d’aborder la présentation des algorithmes constituant le cœur logiciel.

Le but de l’algorithme est de réaliser l’appairage maximal entre équations et para-

mètres inconnus, soit définir l’orientation des équations. Le graphe ainsi obtenu pourra
être analysé par un autre algorithme pour mettre en évidence les singularités.
Concernant justement l’appairage en question, divers algorithmes peuvent être utili-
sés, et comme l’explique l’auteur dans [30], ils peuvent être répartis en trois catégories :
les algorithmes d’augmentation de chemin ou de flux (Ford & Fulkerson, Pothen & Fan,
Hopcroft & Karp…), les algorithmes de modification des labels, et les heuristiques. Des
différences de performances existent entre ces diverses techniques, mais le temps
d’exécution restant contenu au regard de la phase d’optimisation, seule la facilité de pro-
grammation a été retenue, et le choix s’est porté sur l’algorithme de Hopcroft & Karp
[26].
 Dans un premier temps, une initialisation grossière est effectuée en affectant à chaque
équation (dans l’ordre croissant) le premier paramètre libre. Il en résulte potentiellement
un appairage incomplet.
Dans ce cas, une recherche en largeur doit être effectuée en partant des sommets cor-
respondant aux équations libres afin de définir les niveaux des nœuds et l’arborescence du
graphe. Ce parcours peu s’arrêter dès lors qu’un paramètre libre est trouvé ou être mené à
terme. Précisons néanmoins, que lors de la recherche d’adjacence de l’algorithme BFS,
pour des nœuds « équations », l’ensemble des paramètres sont concernés, alors que pour un
nœud « paramètre », seule l’équation affectée est renvoyée.
S’ensuit alors une recherche en profondeur (vers le haut) à partir du premier nœud
« paramètre » libre en décrémentant le niveau de nœud à chaque étape. Ceci est possible
en contraignant les propriétés d’adjacence à donner les nœuds adjacents de niveau i-1.
L’opération est répétée jusqu’à arriver à une équation libre.
Les affectations sont alors inversées sur l’ensemble du chemin, puis le processus com-
plet est répété, jusqu’à ne plus trouver d’équations ou de paramètres libres.

Ce qui peut être synthétisé par le pseudo-algorithme suivant :

1. Initialiser l’appairage par affectation dans l’ordre croissant des équations, le pre-
mier paramètre libre trouvé ;
2. Réaliser un parcours en largeur à partir de nœuds représentant les équations non
appariées afin de déterminer les niveaux (attention aux propriétés d’adjacence);
3. Réaliser un parcours en profondeur (vers le haut : décrémentation du niveau des
nœuds adjacents) à partir du premier paramètre libre rencontré ;
4. Répéter les étapes 2 et 3 jusqu’à ce qu’aucun paramètre ou équation libre ne soit
trouvé.

Reprenons l’exemple (modifié) présenté dans [26] pour illustrer ces étapes au travers
des Figure 3.12, Figure 3.13 et Figure 3.14.

Figure 3.12 – Exemple de problème à 6 équations-6 inconnues avec initialisation de l’appairage [-]
 Sur un tel cas, on se rend compte qu’après l’initialisation grossière, deux équations
(5,6) et deux paramètres (5,6) restent libres. Appliquons alors l’algorithme BFS en pre-
nant dans la file initiale (et au niveau 1) les nœuds « équations » numérotés 5 et 6. Rappe-
lons que pour l’adjacence, depuis un carré on accède à tous les ronds alors que depuis un
rond on n’accède qu’au carré lié par un double trait.

Figure 3.13 – Etapes de traitement du BFS (lecture de gauche à droite et de haut en bas) [-]

Figure 3.14 – Numérotation finale obtenue (après BFS) et identification du paramètre libre 5 [-]
 Passons maintenant à la seconde étape : l’application de l’algorithme de parcours en
profondeur pour remonter du paramètre libre 5, vers un des sommets (équations libres 5
et 6). Pour faciliter la visualisation des explications, nous rappelons la matrice d’adjacence
avec en ligne les équations et en colonne les paramètres (un rond).

Paramètres inconnus
1 2 3 4 5 6
1 o x x x x
Equations 2 x o x x
3 x x o x
4 x x x o x
5 x
6 x
Figure 3.15 – Matrice d’adjacence-EP [-]

A partir du paramètre 5, on ne peut remonter qu’à l’équation 1, puis à partir de

l’équation 1 (nœud de niveau i=3), il est possible d’accéder aux paramètres 1-2-3-4-5,
mais seul le paramètre 1 est de niveau i-1=2. Le paramètre 1 (niveau i=2) est alors con-
necté aux équations 1-2-3-4-5, mais seule la 5 est de niveau i-1=1.
Par conséquent, le chemin (5)→[1]→(1)→[5] d’augmentation de l’appairage, où (x)
est un paramètre et [x] une équation, a été trouvé. Il s’agit alors de procéder à cette inver-
sion d’appairage.

Figure 3.16 – Représentation du chemin et du nouveau résultat obtenu par BFS [-]

On se rend compte au passage que l’équation 1 et le paramètre 5 ne sont plus des

nœuds adjacents selon les critères définis précédemment car l’équation 1 n’est plus acces-
sible (adjacente à un paramètre terminal). C’est pourquoi ils ont disparu de la nouvelle
BFS. Le nouveau chemin rencontré est alors (6)→[4]→(4)→[2]→(2)→[6]. En procédant aux
interversions d’appairage le long du chemin, on obtient un appairage maximal puisqu’aucun para-
mètre ou équation n’est alors libre.
A la fin de l’exécution de l’algorithme, l’appairage est maximal et les problèmes de singularité
peuvent commencer à être traités.
 L’algorithme de Dulmage-Mendelsohn, présenté dans [27] permet de réaliser une dé-
composition grossière, puis fine de la matrice d’adjacence. Cette décomposition permet à
la fois l’analyse de la singularité (sous/sur-contraint), et en même temps d’en connaître les
équations/paramètres responsables. Ceci présente un attrait particulier : être en mesure
d’en informer le concepteur.
Pour commencer, il faut se convaincre d’une chose, un problème de taille N² (N équa-
tions à N inconnues) peut tout à fait être singulier. Pour cela, il suffit que l’appairage
maximal soit inférieur à N. Il se peut aussi que l’appairage soit correct, mais que une (ou
plusieurs) des équations soit une combinaison (linéaire ou non) de plusieurs équations,
mais cela sera discuté par la suite et écarté de la discussion présente.

Pour en comprendre le fonctionnement, l’exemple présenté dans l’article [27] et le ré-

sultat final que l’on est en mesure d’obtenir après une décomposition fine sont présentés
Figure 3.17

1 2 3 4 5 6 7 8 9 10 11
1 x x o x x x
2 o x x x x UCR
3 x x o
4 o x x
5 x o x
NCR
6 o x
7 x o x
8 o x
9 o
OCR
10 x
11 x x
UCC NCC OCC

Figure 3.17 – Exemple de décomposition fine d’un problème de taille 11² extrait de [27]

Le problème peut être découpé, dans un premier temps de manière grossière, en trois
sous-problèmes : sous-contraint (« Under Constrained Column/Row » - UC(C/R), norma-
lement contraint (« Normally Constrained Column/Row » - NC(C/R)) et sur-contraint
(« Over Constrained Column/Row » - OC(C/R)).
 Il convient maintenant de savoir comment sont formés les ensembles UCC/UCR,
OCC/OCR et NCC/NCR.
La recherche du sous-problème sous-contraint se fait au moyen d’une recherche en
profondeur en partant de paramètres libres. Le paramètre adjacent à une équation ne
peut être que celui qui lui est affecté, alors qu’à un paramètre les équations adjacentes
sont toutes celles dans lesquelles il apparait.
Ainsi, en appliquant un DFS à la file {(1),(2)}, on trouve {(1),[1]}, puis {(1),(3)}-
{(1),[3]}-{(1),[5])}. Le paramètre 5 est lié aux équations 1-2-3, or seule l’équation 2 n’a
pas encore été traitée, donc la pile devient {(1),[2]}, puis {(1),(4)}. Les paramètres 1 et 4
n’étant liés qu’à des équations déjà traitées, la recherche se termine, et UCR={[1],[2],[3]}
alors que UCC={(1),(2),(3),(4),(5)}.
Passons maintenant à la recherche des équations et paramètres constituant le pro-
blème sur-contraint. Le principe est exactement le même que pour le problème sous-
contraint mais en intervertissant les propriétés entre équations et paramètres. On doit
donc réaliser un DFS en partant de la pile d’équations libres {(10),(11)} et récursivement
(en sachant que la propriété d’adjacente est inversée) on va retrouver OCR={[8],[9],[10],
[11]} et OCC={(10),(11)}.
Le sous-problème normalement contraint est alors constitué des équations et para-
mètres restants.
Qu’en est-il alors de la décomposition fine ? Il faut savoir que la matrice d’adjacence
est sous la forme suivante :

é Ah X Xù
A = êê 0 Ac X úú (3.06)
êë 0 0 Av úû
découpage correspondant en réalité aux trois sous-problèmes énoncés précédemment,
avec Ah une matrice horizontale, Ac une matrice carrée et Av une matrice verticale. Pour les
matrices Ah et Av, la mise en forme pour atteindre la décomposition fine correspond à des
interversions de lignes et de colonnes en ne regardant que les appairages.
Ainsi, pour Ah, on va traiter par ordre croissant les équations d’UCR. La pile des co-
lonnes est initialisée aux paramètres libres {(1),(2)}. Puis on va affecter à la pile les para-
mètres auxquels elles sont appariées, on obtient ainsi le réagencement des colonnes.
Pour Av, même approche, mais la pile est initialement vide, et une fois terminé y sont
ajoutées les équations libres.
La diagonalisation de la matrice Ac est plus compliquée. Il s’agit de rechercher les
composantes fortement connexes, d’opérer des regroupements et de réaliser les réagence-
ments par une recherche en largeur sur le graphe orienté. Et qui dit composantes forte-
ment connexes dit algorithme de Tarjan, algorithme abordé dans la section suivante.

Sur le cas présenté Figure 3.17, le concepteur serait averti que son problème est par-
tiellement sous-contraint et qu’il doit poser comme entrées connues deux des paramètres
de {1, 2, 3, 4, 5}, mais aussi qu’il est partiellement sur-contraint et qu’il doit retirer deux
des équations {8, 9, 10, 11} ou les transformer en contrainte (inégalités prioritaires).
 L’algorithme développé par Robert Endre Tarjan [28] et repris largement dans la lit-
térature a pour vocation de réduire un graphe orienté contenant des boucles en un graphe
orienté sans boucle uniquement en réalisant des regroupements de nœuds paramètres en
super-nœud ou composants fortement connexes. L’algorithme de Tarjan s’applique au
sous-problème normalement contraint, comme expliqué auparavant. Dans ce cas,
l’ensemble des équations/paramètres sont affectés. Il est alors possible de transformer la
matrice d’adjacence-EP en une matrice d’adjacence classique et de simplifier le graphe
(retrait des nœuds équations).
Afin d’expliciter le fonctionnement de l’algorithme, nous allons nous baser sur un
exemple (simplifié) présenté dans [31].
1 2 3 4 5 6 7 8 9 10
1 x
2 x x x
3 x
4 x x x
5 x
6 x x
7
8
9 x x x
10 x

Figure 3.18 – Exemple de dépendances dans un problème à 10 paramètres (avec graphe orienté) [-]

Cet algorithme (avec l’heuristique qui suit) est l’un des plus complexes présenté dans
ce manuscrit. C’est pourquoi une attention particulière sera portée à l’illustration sur
l’exemple présenté Figure 3.18. L’algorithme est alors le suivant :

1. Initialiser la pile des nœuds traités et la matrice d’enregistrement des SCC comme
étant vides et prendre aléatoirement un nœud à placer dans la pile ;
2. Prendre le dernier paramètre de la pile et rechercher les paramètres qui en dépen-
dent. Alors pour le premier d’entre eux, on peut être confronté à plusieurs possibi-
lités :
- Le nœud est déjà traité ou fait déjà partie du dernier regroupement, on ne s’en
préoccupe pas. Choisir un autre des paramètres dépendants.
- Le nœud est non traité et n’est pas dans la pile, l’ajouter à la fin de celle-ci.
- Le nœud est dans la pile, un bouclage est détecté. Regrouper l’ensemble des
nœuds de la pile à partir de ce paramètre dans un même SCC.
Si aucun paramètre n’est trouvé (ou s’ils sont tous écartés), traiter le para-
mètre comme étant traité, et passer au nœud suivant de la pile.
 Si le paramètre constituait le dernier paramètre de la SCC, enregistrer cette
dernière et supprimer les composantes de la matrice SCC.
3. Tant que tous les paramètres n’ont pas été traités, répéter l’étape 2, et si la pile se
retrouve vide, la remplir aléatoirement avec un des nœuds non encore explorés ;
4. Terminer par une inversion du vecteur des SCC enregistrés (classement par ordre
décroissant).

Revenons sur l’exemple présenté Figure 3.18, nous allons représenter l’évolution des
regroupements comme dans le document [31] :

(1) Initialisation de la pile au nœud 1.

(1)(2)
(1)(2)(4)
(1)(2)(4)(2) → (1)(2,4) Un bouclage est détecté, regroupement des
(1)(2,4)(3) nœuds 2 et 4.
(1)(2,4)(3)(6)
(1)(2,4)(3)(6)(4) → (1)(2,4,3,6) Un second bouclage est détecté.
(1)(2,4,3,6)(5) Le nœud 5 n’engendre aucune dépendance, il
peut donc être marqué comme traité et enre-
gistré SCC1. En remontant l’ensemble des
nœuds SCC2=(6,3,4,2), la conclusion est iden-
tique. Idem pour le paramètre (1) enregistré en
SCC3. On doit donc réinitialiser la pile avec un
nœud non traité, par exemple le (7).
(7) Un nouveau bouclage apparait (le dernier). Et
(7)(9) la SCC4=(9,10) est enregistrée, puis la
(7)(9)(10) SCC5=(7). Comme il ne reste plus que le para-
(7)(9)(10)(9) → (7)(9,10) mètre (8), celui-ci est enregistré dans un nou-
veau SCC.
Vient ensuite la renumérotation des SCC en
ordre inverse.

On a donc un classement des grandes opérations à réaliser par ordre chronologique.

Néanmoins deux SCC successives peuvent être calculées en parallèle si elles n’ont aucune
relation de dépendance. Ainsi on se retrouve avec le graphe réduit de calcul suivant :

Figure 3.19 – Graphe réduit orienté représentant les SCC [-]

 L’intérêt de l’algorithme est d’identifier des bouclages (problématiques pour du calcul
explicite), pas de les résoudre. La suppression de ces boucles ne pourra se faire que par un
conditionnement du problème, possible grâce à l’heuristique suivante.

Partiellement décrite dans [17], elle a été implémentée par l’auteur, avec succès, dans
un logiciel nommé DesignSheet. Elle a pour but de trouver le minimum de paramètres de
la SCC à considérer comme entrées connues afin d’être en mesure de détruire le(s) bou-
clage(s) algébrique(s). Les équations d’estimation de ces paramètres devront alors être
utilisées pour valider l’hypothèse quant à la valeur supposée initialement. Cela est possible
en définissant un niveau d’erreur acceptable entre valeur estimée et calculée sous forme
d’inéquations gérées comme contraintes par la surcouche d’optimisation.

Figure 3.20 – Graphe orienté d’une SCC (extrait de l’exemple précédent) [-]

Le principe de base est assez simple :

1. Sélectionner un paramètre non déterminé de la SCC et le marquer comme connu ;
2. En déduire les paramètres estimables qui en découlent et les marquer comme dé-
terminés ;
3. Tant que tous les paramètres n’ont pas été déterminés, répéter les étapes 1 et 2 ;

En pratique, la recherche des plus petits ensembles de paramètres à fixer peut être ac-
célérée par un test intelligent des combinaisons. En effet, même pour des SCC de grandes
dimensions, pour la conception mécatronique, le problème reste en général assez « creux »,
soit peu couplé. Cela signifie que les ensembles sont de petite taille, c’est pourquoi dans un
premier temps l’ensemble des ceux de rang 1 sont testés car le coût de calcul est faible.

Si aucune solution n’est trouvée, une recherche « avancée » de la taille ‘n’ de l’ensemble
est lancée. Il s’agit d’écarter les alternatives successives dont le degré de résolution est
identique voire moins bon que la solution courante. On se base alors sur les propriétés ex-
primées dans l’encadré suivant. Pour comprendre ce concept, on se reportera à l’exemple
illustré Figure 3.20. Si la première combinaison testée est S=(2), on voit qu’une boucle
subsiste et aucun autre paramètre n’est déterminé. Si l’on fixe un second nœud, (3) par
exemple, cela permet de déterminer les valeurs de (4) et (6), soit la résolution totale de la
SCC.
 Néanmoins, comme les nœuds (4) et (6) sont déterminés lorsque l’on pose le nœud (3)
comme étant connu, alors les sets S1=(2,4) et S2=(2,6) sont potentiellement moins bons
que S=(2,3). La raison est simple, on n’est pas sûr que le paramètre (3) soit finalement
calculable. En réalité dans le cas présenté, la phase initiale de recherche de set de rang 1
permet de trouver une solution S=(4) sans passer par la phase de recherche de taille.

1. Si le set courant comporte i paramètres et que la SCC n’est pas encore déterminée
alors qu’un set de i+1 paramètre est déjà solution, procéder directement à un
changement du nœud précédent sans continuer la résolution ;
2. Supposons que la combinaison {x1,x2,…xi-1,xi…} ait déjà été traitée et que de poser
le nœud ‘xi’ comme étant connu conduit à déterminer les paramètres w et y, dans
ce cas les combinaisons {x1,x2,…,xi-1,w…} et {x1,x2,…,xi-1,y…} ne présentent aucun
intérêt et peuvent ne pas être testés.

Vient enfin la dernière phase de recherche des alternatives de sets de rang ‘n’ solution.
Il s’agit en définitive de tester l’ensemble des combinaisons ‘n’ parmi ‘m’ (m>n). L’objectif
visé est de laisser assez de souplesse à l’utilisateur quant aux choix qu’il peut faire pour
mettre en forme le problème, l’ensemble des combinaisons de taille minimales doivent lui
être proposées. On verra concrètement le type d’aide à la résolution que proposera le pro-
gramme sur un cas classique de moteur électrique dans la section illustrant l’outil.

C’est une question de première importance du paradigme de programmation par con-

traintes. Elle est en général levée par propagation d’intervalles des contraintes vers les
paramètres d’entrée définis sur un intervalle. Cette technique bien que parfaitement fonc-
tionnelle ne peut être exportée vers des outils grand public comme Excel et reste assez
lourde à implémenter dans le code source du logiciel. C’est pourquoi il a été choisi de réali-
ser uniquement une pré-validation au regard des contraintes enregistrées.

Celles-ci n’ont subi aucune manipulation par les algorithmes présentés jusqu’ici. Le
but est de rechercher les paramètres d’entrée variables auxquels elles sont liées directe-
ment ou au travers d’étapes de calcul. Ceci est réalisé au moyen d’une recherche en pro-
fondeur. On obtient alors une matrice d’adjacence-CP, soit Contraintes-Paramètres.
L’idée est ensuite de réaliser un appairage maximal et d’analyser le résultat :
- Une contrainte liée à aucun paramètre variable : soit les intervalles d’entrée sont la
solution du problème, soit le prédimensionnement est impossible.
- Une contrainte liée à un ou plusieurs paramètre(s) variable(s) mais non appariée : la
contrainte partage un même degré de liberté avec une autre contrainte. Si elles sont
concurrentes, il se peut que l’intersection de ces espaces solutions soit l’ensemble nul.
- La contrainte est liée et appariée à au moins un paramètre variable : il existe poten-
tiellement une solution au problème. La vérification n’est pas triviale car il y a des
chances que la contrainte ne soit pas monotone. Du coup le test des bornes n’est pas
suffisant pour conclure.
 En l’état actuel, un simple avertissement est donné dans les deux premiers cas de fi-
gure.

Une remarque peut être formulée sur le dernier cas de figure (contrainte appariée).
On prend l’exemple d’un moteur électrique devant répondre à trois contraintes f1, f3 et f5 :
f 1 : Cmot, sat ³ max(C (t )) = CMAX
f 2 : Cmot,th = a1 .Cmot, sat
f 3 : Cmot,th = [³]CRMS (3.07)

f 4 : wmot, sat = a 2 .Cmot, sat -1 / 3,5

f 5 : wmot, sat = [³]max(w(t )) = wMAX

où α1, α2, CMAX, CRMS et ωMAX sont des paramètres d’entrée connus issus, pour les deux
premiers des références choisies pour les lois d’échelles, et pour les trois suivantes, du dos-
sier de spécification technique et/ou des profils de mission. La singularité (sur-
contraintes), comme on le verra par la suite, conduit à l’intégration de deux coefficients
de surdimensionnement k1-k2 servant à valider les contraintes correspondantes c1-c2. La
transformation du problème conduit à la forme suivante :

f 1 : Cmot, sat = k1.k2 . max(C(t )) = k1.k2 .CMAX

f 2 : Cmot,th = a1 .Cmot, sat
c1 : Cmot,th ³ CRMS (3.08)
-1 / 3,5
f 3 : wmot, sat = a 2 .Cmot, sat
c2 : wmot, sat ³ max(w(t )) = wMAX

Les contraintes 1 et 2 sont alors appariées respectivement aux paramètres variables k1

et k2 récemment introduits. On serait en droit de dire que le problème semble solvable,
mais, en réalité ces deux degrés de liberté impactent le seul et unique paramètre de défini-
tion du composant : son couple de saturation. Ce qui signifie en réalité qu’un regroupe-
ment peut être opéré k=k1.k2, et il n’est possible de jouer que sur un seul paramètre va-
riable pour valider deux contraintes.

Ce niveau de vérification n’a pas été implémenté, mais, en réalité, il s’agit d’une adap-
tation de l’aide à la résolution des singularités.

Jusqu’à présent, les programmes de fond ont été présentés avec en ligne de mire une
explication concernant le fonctionnement du cœur du programme, basé sur la théorie des
graphes. Mais il convient aussi d’aborder la forme et plus précisément l’interprétation de
la formalisation du problème et finalement de ses nombreuses contraintes (égalitaires ou
non).

L’algèbre symbolique et ses opérations sont décrites dans de nombreux ouvrages à

partir des années 1980, dont notamment [32].
 L’analyse des diverses équations/inéquations définissant le problème d’optimisation
est conduite au moyen d’une décomposition sous forme d’arborescence hiérarchisée en
fonction des priorités : fonctions/exposant/multiplication/division/addi-tion/soustraction,
alors que les parenthèses peuvent servir à prioriser certaines parties de l’expression au dé-
triment des règles précédemment établies.

Il se trouve que le code de calcul explicite découlant du logiciel devra pouvoir être ab-
sorbable par différentes plateformes de calcul (Excel, Matlab) après avoir subi une mani-
pulation symbolique (réalisée au moyen du logiciel libre Maxima [33]). C’est dans le but
de valider la syntaxe qu’une grammaire informatique spécifique a été établie (même si des
adaptations pour le passage d’une plateforme à l’autre sont toujours nécessaires). Cette
étape permettra dans un même temps d’extraire les paramètres contenus dans les équa-
tions/inéquations, et par conséquent de définir la matrice d’adjacence-EP.

Dans un premier temps il est vérifié qu’aucun des caractères spéciaux n’est utilisé
(‘?’,‘!’,‘:’, ‘;’,'&','#','@','°',…). Ensuite les fonctions, opérateurs ('+','-','*','^','/'), identifica-
teurs ('=','<','>','>=','<=','=<','=>'), variables et nombres constants rencontrés dans
l’expression sont remplacés par des symboles :

Type d’expression Symbole équivalent

Fonction Fi
Identificateur I
Opérateur O
Variable V
Nombre constant N
Tableau 3.2 – Table des correspondances expression-symbolisme [-]

Pour les fonctions, l’indice ‘i’ est incrémenté au fur et à mesure que des fonctions réfé-
rencées sont trouvées (codage sur deux digits, soit une limitation du problème à
l’utilisation de 100 fonctions).

Le traitement est assez poussé puisqu’il est considéré d’analyser le nombre de para-
mètres d’entrée affectés aux diverses fonctions. La grammaire est en définitive un en-
semble de règles de substitutions s’opérant dans l’expression de l’équation/inéquation afin
d’en simplifier la forme. Ces règles sont exprimées dans le Tableau 3.3.

Dans un premier temps, les règles 1 à 8 sont répétées de manière à concaténer les ex-
pressions passées en paramètres dans des fonctions, alors que les règles 9-16 permettent
ensuite de compter le nombre de paramètres (variables et nombres constants) passés en
attributs de la fonction. Une fois ce nombre obtenu (et enregistré), il est possible
d’appliquer la règle 17 de transformation des fonctions en une simple variable.

Ces 17 règles devront être appliquées jusqu’à ce que l’expression de l’équation/iné-

quation ne soit plus modifiée. Cela permet de traiter les diverses encapsulations en cas-
cade. L’expression ainsi obtenue ne doit alors plus contenir de fonctions sinon cela signifie
que la syntaxe est incorrecte.
 La dernière étape est réalisée par la répétition des règles 18 et 19 qui doivent alors
conduire à l’obtention d’une des formes correctes suivantes ‘VIV’, ‘NIV’ ou ‘VIN’, sans
quoi la syntaxe est considérée comme incorrecte et l’équation/inéquation automatique-
ment désactivée.

Règle Expression(s) Simplification

1 ’NON’ ‘N’
2 ‘VOV’-’NOV’-’VON’ ‘V’
3 ‘,(V)’ ‘,V’
4 ‘,(N)’ ‘,N’
5 ‘((V)’ ‘(V’
6 ‘((N)’ ‘(N’
7 ‘O(V)’ ‘OV’
8 ‘O(N)’ ‘ON’
9 ‘V,N,’-’N,V,’-’V,V,’-’N,N,’ ‘P02,’
10 ‘V,N,’-’N,V,’-’V,V,’-’N,N,’ ‘P02,’
11 ‘V,N)’-’N,V)’-’V,V)’-’N,N)’ ‘P02)’
12 ‘Pi,V,’-‘Pi,N,’ ‘Pi+1’ (incrément du
nombre de paramètres,
écriture à deux digits)
13 ‘,V,Pi’-‘,N,Pi’ ‘Pi+1’
14 ‘Pi,V)’-‘Pi,N’ ‘Pi+1’
15 ‘(V,Pi’-‘(N,Pi’ ‘Pi+1’
16 ‘Pi,Pj’ ‘Pi+j’
17 ’Fi(V)’-’Fi(N)’-’Fi(Pj)’ ‘V’
18 ‘NON’-‘(N)’ ‘N’
19 ‘VOV’-‘NOV’-‘VON’-‘(V)’ ‘V’
Tableau 3.3 – Table des règles de substitution définissant la grammaire [-]

Le traitement d’un cas d’application permet de mieux cerner le principe de fonctionnement :

y=max((2*x+(3)),z) Ecriture classique de l’expression
VIF01((NOVO(N)),V) Réécriture au moyen des symboles
VIF01((VO(N)),V Application de la règle n°2
VIF01((VON),V) Application de la règle n°8
(3.09)
VIF01((V),V Application de la règle n°2
VIF01(V,V) Application de la règle n°5
VIF01(P02) Application de la règle n°11
VIV Application de la règle n°17

La détection de redondance et de conflits à l’intérieur d’une composante fortement

connexe peut être réalisée, comme expliqué dans [29], de deux manières différentes : nu-
mériquement (linéarisation des équations et utilisation de la matrice Jacobienne qui une
fois diagonalisée fait apparaître les redondances) ou par une approche symbolique.
 Cette dernière approche, facile à mettre en place grâce au logiciel Maxima avec lequel
on est déjà en mesure de s’interfacer, permet même de traiter un problème sur-contraint
de manière identique.

L’idée est d’utiliser l’appairage défini par l’algorithme de Hopcroft & Karp, et de re-
formuler les équations/expressions en fonction du paramètre d’appairage, avant de les ré-
injecter dans les suivantes. Pour une composante fortement connexe (faisant par consé-
quent intervenir autant d’équations que d’inconnues, car extraites du problème
normalement contraint), la dernière expression ne devrait donc faire apparaitre qu’un seul
paramètre. Mais s’il existe une redondance, l’équation sera alors un simple test de validité
(0=0, toujours vrai, ou 0=A≠0, toujours faux).

Si l’on prend un exemple physique de combinaison linéaire (où F, C2 et C3 sont incon-

nues) pour lequel l’utilisateur aurait rajouté une équation (f3) redondante :
F. p F. p
f 1 : C2 - = 0 ® C2 =
h h
F. p
f 2 : C3 - C2 - 0,5.F .m.D = 0 ® C3 = C2 + 0,5.F .m.D = + 0,5.F .m.D
h (3.10)
æp ö 1
f 3 : C3 - F .çç + 0.5.m.D ÷÷ = 0 ® F = C3 . =F
èh ø æp ö
çç + 0.5.m.D ÷÷
èh ø
En introduisant l’expression de C2 dans f2, puis l’expression de C3 dans f3, on tombe sur
F=F, ou encore 0=0, expression redondante toujours validée. L’équation peut alors être
retirée et le problème devient sous-contraint.

A ceci peut être ajoutée une remarque concernant la résolution d’un système linéaire
classique comme le suivant :
f 1 : 2x + 3 y - 3 = 0
(3.11)
f 2 : 7y + x = 0
Ce genre de système fait apparaitre un bouclage entre x et y (et donc une SCC) qui
nécessiterait de supposer un des paramètres connu, et d’en recalculer la valeur avec
l’équation correspondante. Cette technique de convergence numérique est longue, alors
qu’avec le mécanisme de substitution présenté précédemment, le bouclage disparait.

Jusqu’ici, seules des redondances de type combinaisons linéaires ont été présentées.
Or, il arrive (à cause du flux de puissance), que les erreurs de rajout d’une équation par
l’utilisateur (qui aurait alors tendance à sauter une ou plusieurs étapes de calcul) ne soit
plus linéaire, mais en puissance :
f 1 : J 2 - J 1.N 2 = 0 ® J 2 = J 1.N 2
1 1 1
f 2 : M - J 2 . = 0 ® M = J 2 . = J1 .N 2 .
l2 l2 l2 (3.12)
2 2 2
æNö æ l ö 1 æ l ö
f 3 : M - J1.ç ÷ = 0 ® J1 = M .ç ÷ = J1.N 2 . .ç ÷ = J1
è l ø èNø l2 è N ø
 Même constat, la dernière expression J1=J1 équivalente à 0=0 est redondante et tou-
jours vrai, donc elle peut être retirée du problème. Il faut bien faire attention à ce genre de
problème qui peut se produire, et qui conduirait faussement l’analyse automatique à dé-
clarer un problème comme étant sur-contraint ou normalement-contraint à tort, ou en-
core ferait apparaitre des bouclages qui n’en sont pas.

La méthode de substitution présente un second intérêt : la réécriture sous forme expli-

cite des paramètres objectifs du problème en fonction des entrées. Ainsi, et en l’absence de
fonctions discontinues (max, min…), l’analyse de sensibilité peut être conduite par dériva-
tion symbolique de l’expression, c’est ce qui est expliqué dans [34].

Il faut savoir que le prototype logiciel fonctionnant à ce jour n’inclut pas ces traite-
ments.

Dans cette partie seront illustrées des problématiques typiques qu’il est possible de
rencontrer dans le cadre d’un prédimensionnement système. Le problème de singularité
sera le premier abordé avec un cas de conception de vérin hydraulique sous-contraint et
d’un autre côté le design sur-contraint d’une vis à rouleaux. Enfin un cas de bouclage al-
gébrique de dimensionnement moteur sur un scénario dynamique mettra en avant les
techniques de conditionnement vers un problème explicite optimisé.

Il s’agit de la procédure de sélection d’un actionneur servohydraulique (vérin et servo-

valve) qui doit fournir un effort maximal F0 à la vitesse maximale V0, pour une course utile
dx. La structure de la cellule dans laquelle est monté l’actionneur a une raideur K et ne to-
lère pas un effort supérieur à Fmax. Le débit maximal requis par l’actionneur Qmax doit être
minimisé afin de réduire la masse du système d’alimentation.

Résumons les équations physiques régissant le système (charge opposée) :

f 1 : Fmax ³ S.P net S : section du piston

Pnet : pression du réseau
f 2 : C = dx + K.F0
C : course totale
f 3 : F0 = S.P0 P0 : pression maximale
f 4 : S.V0 = Q0 V0 : vitesse maximale
(3.13)
P - P0 Q0 : débit maximal
f 5 : Q0 = Qnom . net Qnom : débit nominal de la valve
dPnom
dPnom : chute de pression nominale
Pnet Qmax : débit sans charge
f 6 : Qmax = Qnom .
dPnom

Parmi les paramètres listés (13), certains sont des entrées du cahier des charges (F0,
V0, dx, Pnet, K), alors que d’autres sont des sorties objectif ou contrainte (Qmax, Fmax).
 La Figure 3.21, obtenue après application des algorithmes Hopcroft-Karp et Dul-
mage-Mendelsohn présente le problème composé de 6 équations et 8 paramètres inconnus.

Figure 3.21 – Matrice d’adjacence-EP, cas d’un vérin servohydraulique, matrices Ah et Ac [-]

D’après le typage choisi par l’utilisateur, pour les variables, le logiciel va proposer de
fixer de manière préférentielle les paramètres inconnus de type ‘entrée*’ devant ceux
non-typés (‘inconnu’) qui eux-mêmes seront pris prioritairement si opposés à de para-
mètres de type ‘sortie*’. Le fait d’ajouter cet attribut au paramètre permet de faciliter
l’implémentation du code dans un algorithme d’optimisation puisque les paramètres qui
pourront être imposés comme entrées du processus de calcul présenteront alors un do-
maine de définition plus facilement imposable.

Dans le cas présent, il est par exemple plus logique de considérer que la section S du
piston est difficile à borner (typée ‘sortie*’) alors que la chute de pression dPnom dans
l’électrovalve, dépendante de la technologie, ou encore la pression maximale dans le vérin
P0 (bornée par [0, Pnet]) sont deux grandeurs dont les domaines sont faciles à imposer (et
par conséquent typées en ‘entrée*’). C’est pourquoi elles seront fixées en lieu et place des
autres alternatives : Qmax, Qnom, S, Fmax, Q0.

Le problème n’est alors plus singulier et la matrice d’adjacence-EP est présentée Fi-
gure 3.22.
 Figure 3.22 – Matrice d’adjacence-EP, cas d’un vérin servohydraulique, matrice Ac [-]

Après un problème sous-contraint, il convient d’aborder la situation inverse : un di-

mensionnement sur-contraint d’une vis à rouleaux. On va chercher à dimensionner une vis
à rouleaux sujette à deux contraintes différentes : la charge statique F0 et la charge dy-
namique Fd (de fatigue de roulement).

Considérons alors les équations suivantes dont les lois de similitude servent à estimer
les caractéristiques du composant :
Fmax : effort maximal du profil
Frmc : effort de fatigue du profil
f 1 : F0 ³ F max F0,ref : charge statique de la référence
f 2 : Fd ³ Frmc Fd,ref : charge dynamique de la référence
0,9
æ F ö Ln : longueur de l’écrou
f 3 : Fd = Fd , ref .ç 0 ÷ Ln,ref : longueur de l’écrou de référence
ç F0, ref ÷
Scenarios è ø Ls : longueur de la vis
dx : course utile (3.14)
0, 5 Lb : largeur de la butée
æ F ö
f 4 : Ln = Ln, ref .ç 0 ÷ ms : masse linéique de la vis
ç F0, ref ÷
è ø ms,ref : masse linéique de la vis de référence
f 5 : Ls = dx + Le + Lb
Ms : masse de la vis
æ F ö
f 6 : ms = ms , ref .ç 0 ÷
ç F0, ref ÷
è ø
Composants
f 7 : M s = ms .Ls
 Comme l’ensemble des caractéristiques du composant de référence ‘Xx,ref’ est disponible
(caractéristiques extraites du catalogue constructeur) et que les performances décrites
par le profil de mission découlent du cahier des charges, dx, Fmax et Frmc sont aussi connus.
De plus, la butée étant dimensionnée en amont, sa largeur Lb est connue.

Le problème est donc décrit par 6 paramètres inconnus et 7 équations.

Figure 3.23 – Matrice d’adjacence, cas d’une vis à rouleaux, matrices Ac et Av [-]

Le logiciel met en évidence qu’une des trois contraintes de l’encadré, Figure 3.23
(considérées comme étant des égalités) est de trop. Il est alors proposé au concepteur de
déplacer une des inégalités (prioritaires devant les égalités) vers l’ensemble des con-
traintes (gérées par la surcouche optimisation seulement) et d’introduire un degré de li-
berté k défini dans [1,+∞[ à l’intérieur de l’autre inégalité. Ceci conduit alors au condi-
tionnement suivant :

f 1 : F0 ³F max ® déplacée
f 2 : Fd ³ Frmc ® Fd = [Link]
Ou (3.15)
f 1 : F0 ³F max ® F0 = k.F max
f 2 : Fd ³ Frmc ® déplacée

Le nouveau problème est alors correctement contraint et représenté par la matrice

d’adjacence-EP de la Figure 3.24.
 Figure 3.24 – Matrice d’adjacence, cas d’une vis à rouleaux, matrice Ac [-]

Le dernier exemple de problème typique est celui des boucles algébriques, illustré ici
sur un moteur électrique sans balais dimensionné dynamiquement. Il se trouve que le
couple maximal de définition T0 dépend du couple inertiel additionnel or l’estimation de
l’inertie J dépend, elle, du couple de définition du moteur.

Le bouclage algébrique est clair : T0 dépend de J et J dépend de T0.

f 1: T0 =T load + J .dw Tload : couple utile de la charge

5 T0,ref : couple maximal de la référence
æ T ö 3,5 dw: accélération angulaire du rotor
f 2 : J = J ref .ç 0 ÷
ç T0,ref ÷ Jref : inertie du rotor moteur de référence
è ø (3.16)
M : masse du moteur
3
Mref : masse du moteur de référence
æ T ö 3,5
f 3 : M = M ref .ç 0 ÷
ç T0,ref ÷
è ø
D’après le profil de mission, le couple utile de la charge et l’accélération angulaire sont
connus alors qu’avec la documentation du constructeur, les caractéristiques du moteur de
référence peuvent être renseignées. Le problème est donc constitué de 3 paramètres in-
connus et 3 équations couplées.
 Figure 3.25 – Matrice d’adjacence-EP, cas d’un moteur brushless, matrice Ac [-]

Pour casser ce bouclage, l’heuristique met en évidence deux alternatives :

- Poser J comme étant une entrée connue dans l’intervalle ]0,+∞[, alors que
l’équation 2 est transformée et une contrainte moins sévère qu’une égalité est
formulée.
5
æ T ö 3,5 J - J calc
J calc = J ref .ç 0 ÷ ; £e (3.17)
ç T0, ref ÷ J calc
è ø
- Poser T0 comme étant une entrée connue, cette fois-ci dans ]Tload,+∞[, ce qui si-
gnifie réécrire l’équation 1 et ajouter une contrainte.
T0 - T0, calc
T0, calc = Tload + J .dw; £e (3.18)
T0, calc
Le problème est alors parfaitement contraint, car possédant 3 variables, 3 équations
sans boucle algébrique et une contrainte.
Il est important de préciser que le choix des intervalles pour les paramètres pilotés par
la surcouche d’optimisation reste à la charge de l’utilisateur. C’est pourquoi il est en géné-
ral plus facile de formuler manuellement le problème au moyen d’un coefficient de surdi-
mensionnement k dans [1,+∞[ :
T0 = [Link] ; T0 ³ Tload + J .dw (3.19)
Néanmoins cette démarche ne se prête pas au conditionnement automatique où l’on
déplace le bouclage numérique interne à la surcouche d’optimisation.
 L’ordonnancement manuel des calculs, même statiques, de la phase de dimensionne-
ment, peut s’avérer être une tache compliquée. Il a été montré comment des algorithmes
de résolution issus de la théorie des graphes peuvent être appliqués de manière à épauler le
concepteur dans sa démarche de conception.
Un outil nommé GraphSize, a été développé, pour répondre à ce besoin de formalisa-
tion du problème de prédimensionnement :
- Formalisation de connaissance métier (composants, modèles de comportement…) en
deux couches distinctes et capitalisation de cette connaissance sous forme de librairie ;
- Vérification et aide à la résolution des problèmes de singularité ;
- Recherche et suppression des bouclages algébriques ;
- Vérification (sommaire) de la solvabilité par analyse des dépendances entre con-
traintes et degrés de liberté.
Ce prototype mis en place sous Matlab a permis de valider la plupart des fonctionnali-
tés, avec notamment une série de tests sur des problèmes typiques (sur/sous-contraint,
bouclages…). Interfacé à un logiciel de calcul symbolique libre (Maxima), il est possible de
finaliser la procédure par la génération d’une fonction automatique Matlab contenant le
code de calcul explicite.
Un second prototype, cette fois-ci porté sur une plateforme de développement libre
(Eclipse-Java) est en cours de réalisation et devrait intégrer à terme les fonctionnalités
complémentaires évoquées dans la partie « problématiques additionnelles » à savoir :
- Une grammaire en remplacement des simples règles actuelles pour la vérification de la
syntaxe des équations/inéquations saisies ;
- L’application des méthodes de substitution pour une analyse approfondie de la redon-
dance ainsi qu’une réécriture des fonctions objectives ;
- L’enregistrement à la volée des composants définis au travers de l’interface graphique
sous forme de package ;
- L’exportation du code de calcul vers une seconde plateforme d’optimisation grand pu-
blic : Excel.
Le choix de développement du premier prototype sous Matlab est critiquable, mais ce
choix a été motivé par deux raisons : être en mesure de valider rapidement le concept et
l’agencement des fonctions sans nécessiter pour autant une formation à l’outil de pro-
grammation, et parce que Matlab reste une solution présente chez la plupart de nos par-
tenaires industriels rendant alors une démonstration possible.

Dernier point concernant la propagation de contraintes. Il s’avère que cette méthode

mérite qu’on s’y intéresse, car elle pourrait permettre de restreindre l’espace de recherche
sur de gros problèmes d’optimisation, et par conséquence accélérer les calculs, ou encore
mettre en évidence l’absence de solution pour des contraintes en conflits. Même si, finale-
ment, le fait de ne pas limiter l’espace de recherche n’a pas été contraignant pour les di-
mensionnements réalisés (cf. Chapitre 4), dont la convergence apparaissait après quelques
minutes de calcul seulement.
 [1] Hehenberger P. & al., "Hierarchical design models in the mechatronic product
development process," Mechatronics, no. 20, pp. 864-875, 2010.
[2] Cellier F.E. & al., Continuous system modelling, Springer, Ed., 1991.
[3] Budinger M. & al., "Scaling-law-based metamodels for the sizing of mechatronic
systems," Mechatronics, vol. 24, no. 7, pp. 775–787, 2013.
[4] Budinger M. & al., "Optimal preliminary design of electromechanical actuators,"
Journal of Aerospace Engineering, vol. 228, no. 9, pp. 1598-1616, 2014.
[5] Liscouet J. & al., "Estimation models for the preliminary design of electromechanical
actuators," in Proceedings of the Institution of Mechanical Engineers, Part G:
Journal of Aerospace, 2012, pp. 243-259.
[6] Budinger M., "Preliminary design and sizing of actuation systems," Université de
Toulouse, INSA Toulouse, Mémoire HDR 2014.
[7] Friedman G.J. & al., "Constraint theory, part I: fundaments," IEEE transactions on
systems science and cybernetics, vol. 5, no. 1, pp. 48 - 56, Janvier 1969.
[8] Friedman G.J. & al., "Constraint theory, part II: model graphs and regular
relations," IEEE transactions on systems science and cybernetics, vol. 5, no. 2, pp.
132 - 140, Avril 1969.
[9] Friedman G.J. & al., "Constraint theory, part III: inequality and discrete relations,"
IEEE transactions on systems science and cybernetics , vol. 5, no. 3, pp. 191 - 199,
Juillet 1969.
[10] Delinchant B. & al., "A component-based framework for the composition of
simulation software modeling electrical systems," Simulation, vol. 80, no. 7-8, pp.
347-356, Aout 2004.
[11] Rudolph S. & al., "Architectural analysis of complex systems with graph-based
design languages," in Aircraft System Technology conference, Hamburg, 2013.
[12] Salome. The open source integrated platform for numerical simulation. [Online].
[Link]
[13] Dassault system. iSight: process automation and design exploration software.
[Online].
[Link]/products-services/simulia/portfolio/isight-simulia-execution-engine/
[14] Noesis. Optimus simulation process integration and parametric design optimization
software. [Online]. [Link]/Noesis/
[15] ESTECO. modeFRONTIER integration platform for multi-objective and multi-
disciplinary optimization. [Online]. [Link]/modefrontier/
[16] Allain L., "Capitalisation et traitement des modèles pour la conception en génie
électrique," Institut National Polytechnique de Grenoble, Grenoble, Thèse de
doctorat 2003.
[17] Reddy S.Y. & al., "Constraint management methodology for conceptual design
tradeoff studies," in ASME design engineering technical conference, 1996.
[18] Universal technical systems. TK Solver. [Online]. [Link]
[19] Ascend. Ascend modelling language. [Online]. [Link]
[20] Vesta System G2elab. Cades solutions. [Online].
[Link]
[21] Tamura N. Cream: class library for constraint programming in Java. [Online].
[Link]
[22] L'équipe TASC. Tasco. [Online]. [Link]
[23] Salome. (2014, Janvier) The open source integration platform for numerical
simulation. [Online]. [Link]
[24] Browing T.R., "Applying the design structure matrix to system decomposition and
integration problems: a review and new directions," IEEE transactions on
engineering management, vol. 48, no. 3, pp. 292-306, 2001.
[25] Blac T.A. & al., "A method for systems design using precedence relationships: an
application to automotive brake systems," Massachusetts Institute of Technology,
Cambridge, 1990.
[26] Duff I.S. & al., "Remarks on implementations of O(n1/2 T) assignment algorithms,"
ACM transactions on mathematical software, vol. 14, no. 3, pp. 267-287, 1988.
[27] Pothen A. & al., "Computing the block triangular form of a sparse matrix," ACM
transactions on mathematical software, vol. 16, no. 4, pp. 303-324, 1990.
[28] Tarjan R.E., "Enumeration of the elementary circuits of a directed graph," Cornell
University, Rapport technique 1972.
[29] Serrano D., "Contraint management in conceptual design," Massachusetts Institute
of Technology, Cambridge, Thèse de doctorat 1987.
[30] Frenkel J. & al., "Survey of appropriate algorithms for large scale systems of
differential algebraic equations," in 9th international Modelica conference, 2012, pp.
433-442.
[31] Helary J.M., "Algorithmique des graphes," Université de Rennes, Rennes, 2004.
[32] Barr A.H., "Superquadrics and angle-preserving transformations," IEEE computer
graphics and applications, vol. 1, no. 1, pp. 11-23, 1981.
[33] Project Maxima. Maxima, a computer algebra system. [Online].
[Link]
[34] Wurtz F., "Une nouvelle approche pour la conception sous contraintes de machines
électriques," INP Grenoble, Thèse de doctorat 1992.
 Dans ce dernier chapitre seront présentés les travaux de prédimensionnement réalisés
tout au long de cette thèse. Ils permettront d’illustrer la méthodologie de conception pré-
sentée dans le Chapitre 1, mais aussi l’analyse des profils de mission au moyen des indica-
teurs issus du Chapitre 2 et enfin la mise en place des diverses procédures de dimension-
nement suivant les principes du Chapitre 3. Seront également présentés des outils tels que
la génération de profil temporels de charge/position d’un train d’atterrissage ou les
feuilles de calcul préliminaire généralisable à l’ensemble des cas d’application actionneurs
et ayant connu un accueil favorable au sein de certains systémiers au point d’être réutili-
sées lors du projet ACTUATION 2015.
La première étude portera sur le prédimensionnement d’un actionneur de train
d’atterrissage avant équipant un avion court-courrier. Il s’agit d’un cas typique où le tra-
vail de conception est réalisé en interne, par le systémier, fournisseur du train dans son
ensemble, avec des compétences et connaissances sur la charge et les profils de mission
(estimation par des surfaces de réponses) mais aussi sur les systèmes d’actionnement et
ses composants (tout particulièrement le carter).
La seconde étude traitant des systèmes d’actionnement aileron et spoiler, toujours sur
un avion court-courrier, montrera les liens étroits entre avionneur, systémier et fournis-
seurs de composants critiques, ainsi que les retours d’expérience et processus
d’optimisation qu’il est possible de mettre en place pour arriver à une conception conjointe
cohérente. Dans cette étude, s’appuyant à la fois sur l’outil YouSpecify et sur des méta-
modèles composant (réducteur GRA, thermique moteur), sera analysé l’impact qu’ont cer-
tains critères du cahier des charges (critiques) sur le dimensionnement.
Enfin, en conclusion de ce chapitre nous verrons les principes généraux concernant la
standardisation et modularité en conception de systèmes mécatroniques et les choix faits
dans le cadre du projet ACTUATION 2015 pourront être analysés au vu des résultats
précédents.
CEM Compatibilité ElectroMagnétique
EMA Electro-Mechanical Actuator
GRA Gear Rotary Actuator
LVDT Linear Variable Differential Transformer
NLG Nose Landing Gear
PDE Power Drive Electronics
THSA Trimmable Horizontal Stabilizer Actuator
 La première étude concerne, comme cela a pu être énoncé plus tôt, le système
d’actionnement du déploiement, inclus lui-même dans un système de plus haut niveau : le
train d’atterrissage avant (« Nose Landing Gear » - NLG), dont la conception est à la
charge d’un unique systémier. C’est pourquoi le terme « conception intégrée » est utilisé, il
s’agit d’une réalisation interne à une seule et même entreprise qui réalise la conception de
la jambe et de sa cinématique de descente, mais aussi des systèmes de freinage,
d’orientation et de déploiement comme cela est résumé Figure 4.1.

Figure 4.1 – Décomposition du système de niveau supérieur : le train d’atterrissage [-]

Une fois la jambe et son angle d’attaque en position ouverte définis, il reste à concevoir
la cinématique de déploiement. A partir de là, le chargement sur la jambe (combinaison
d’efforts aérodynamiques, gravitaires et inertiels) peut être évalué pour divers scénarios
de fonctionnement (test hangar, vol normal-extrême-limite) exprimés sous la forme de
profils temporels de position. Ces derniers constituent alors les premiers degrés de con-
ception du système d’actionnement : le profil point-à-point de déploiement choisi, qui est
un profil à deux paliers de vitesse, présenté dans le Chapitre 2 et dont la forme est rappe-
lée Figure 4.2.

Figure 4.2 – Rappel de la forme du profil à deux paliers de vitesse (angulaire de la jambe) [-]

Alors que la position des capteurs a été définie pour répondre à des critères
d’intégrabilité et de détection de tige, la vitesse basse donnée pour limiter les chocs, il ne
reste alors plus qu’à jouer sur l’accélération et la vitesse maximale pour figer le profil.
 Le temps d’ouverture maximal étant fixé, avec une plus grande sévérité pour le mode
vol-normal, il s’agit en définitive de trouver le meilleur compromis accélération-vitesse
maximale. Afin de limiter les efforts inertiels, la vitesse maximale sera choisie la plus éle-
vée possible tout en ne dépassant pas le critère de puissance transitoire consommée, esti-
mée à la charge au moyen d’une valeur typique de rendement pour le système
d’actionnement. Ce qui signifie finalement que le profil de position de la jambe et le calcul
de charge associé, T(t)=f(θ(t)) (cf. Figure 4.3) ne font finalement pas partie du problème
d’optimisation.

Figure 4.3 – Charges aérodynamiques et gravitaires appliquées au train (valeurs extrêmes égales) [-]

Reste alors à définir les points d’intégration de l’actionneur à la cinématique (contre-

fiche secondaire) et à la cellule avion. Le mécanisme de déploiement étant 2D, cela signifie
que 4 paramètres d’intégration (et donc variables d’optimisation), sont nécessaire à
l’utilisateur pour traduire les profils de charge et de position angulaire de la jambe en
profils utiles au dimensionnement de l’actionneur.

Figure 4.4 – Rappel de l’architecture et des principaux critères de conception [-]

 Concernant ce dernier, l’architecture définie, représentée Figure 4.4, doit permettre
d’avoir une panne fonctionnelle, il a donc été choisi une architecture dite « free-fall » pour
une descente automatique, par gravité du train (l’effort aérodynamique est aussi aidant).
Il s’agit en fait d’une architecture dont on a eu l’occasion de parler dans le chapitre 1,
mais qui est tout de même rappelée ici (Figure 4.4), en même temps que les principaux
critères de conception des composants, où R-G-I correspondent aux types : Rapide-
Graduel-Imperfection.

Il est, par conséquent, possible de réaliser un dimensionnement par analyse des profils
et calcul séquentiel des composants de l’architecture, à l’exception du carter dont le de-
sign est figé en dernier sur des critères d’intégration et de résistance aux vibrations.
Le calcul des composants se fait au moyen des fiches de calcul Excel intégrant les lois
d’échelle [1] ainsi que des règles de calcul (adaptation de la durée de vie pour divers taux
de fiabilité et fonction de la course…) et un chaînage du flux de puissance.

Figure 4.5 – Fiches de prédimensionnement des composants sous Excel [-]

En résumé, la séquence de dimensionnement serait alors celle présentée Figure 4.6.

Figure 4.6 – Séquence de calcul avec pilotage de la simulation cinématique [-]

 Il se trouve que ce genre d’optimisation, comme cela a été expliqué dans le Chapitre 1,
s’avère être très long à converger de par l’encapsulation d’une simulation temporelle de la
cinématique d’une part, mais aussi d’une seconde boucle d’optimisation pour le design du
carter.

C’est pourquoi il a été décidé de construire des surfaces de réponse des indicateurs de
performance (course, effort max…) pour les scénarios opérationnels les plus sévères, et ce,
en fonction des paramètres d’intégration de l’actionneur (x 1…x4) à la cinématique 2D. Ce-
la sera complété par une étude cinématique avancée pour mettre en avant le logiciel dédié
développé, mais aussi les configurations d’intégration pouvant poser problème.
En ce qui concerne le carter, et afin de s’affranchir de la boucle d’optimisation imbri-
quée, des surfaces de réponse de la masse et des diamètres ont été construites en fonction
essentiellement de deux paramètres : la longueur actionneur et l’effort de définition de la
vis à rouleaux. Les résultats présentés correspondent à ceux d’un carter d’EMA exempt de
la fonction « free-fall », cas le plus couramment rencontré, mais sous-estimant, dans ce
cas, la masse réelle de l’architecture étudiée.

La nouvelle séquence de calcul présentée Figure 4.7 permettra d’accélérer grande-

ment l’optimisation (passage de plusieurs jours de calcul à seulement quelques minutes).

Figure 4.7 – Séquence de calcul avec des surfaces de réponse [-]

Pour commencer, une présentation de la cinématique s’impose afin de bien se rendre

compte que la détermination de la formule littérale de transformation de mouvement n’est
pas chose aisée et que la création de méta-modèles est utile.
 Dans la Figure 4.8, l’allongement de l’actionneur conduit à la rotation de la jambe et
du panneau jusqu’à alignement complet de ce dernier avec la contre-fiche primaire.
L’actionneur continue de s’allonger légèrement jusqu’à l’obtention d’une inflexion en sens
inverse de la contre-fiche secondaire pour un verrouillage du train. Une fois en position
basse un vérin de verrouillage rentre alors en action si bien que l’EMA de sortie de train
n’a plus à fournir d’effort.
Toujours sur cette même figure il est possible de remarquer la trace du point de fixa-
tion de l’EMA sur la contre-fiche secondaire tout au long de l’extension, information par-
ticulièrement intéressante pour analyser, comme cela sera abordé plus loin, des configura-
tions singulières (efforts infinis).

Figure 4.8 – Cinématique du train avant à 2 dimensions [-]

Un outil a été spécifiquement créé dans Matlab pour étudier cette cinématique. Il
permet, en mode « simulation simple » de définir les dimensions des diverses pièces de la
cinématique et d’en étudier le comportement (visualisation graphique du dépliement, tra-
cé des courbes temporelles ou angulaires de différentes grandeurs : bras de levier/dép-
lacements/position des points d’ancrage…). Il sert aussi à générer les profils d’effort, vi-
tesse et accélération des divers scénarios de fonctionnement enregistrés, ainsi que d’en
extraire les indicateurs de performance1. Pour ce faire le logiciel s’appuie sur un modèle
Simulink paramétré.

1
Effort cubique moyen (fatigue), effort carré moyen (échauffement), effort-vitesse extrêmes…
 En mode « surface de réponse », seule la phase d’étude cinématique n’est plus acces-
sible, en revanche les calculs des différentes configurations d’ancrage, définis par le plan
d’expérience issu du fichier Excel, sont alors évaluées en boucle, et les indicateurs de per-
formance enregistrés dans ce même fichier. Les surfaces de réponse peuvent alors être
construites par régression linéaire dans Excel.
Quelques captures de l’interface graphique sont présentées Figure 4.6, où l’on voit les
deux modes d’utilisation, la fenêtre de visualisation 2D du déploiement, et l’analyse du
comportement au moyen des courbes.

Figure 4.9 – Module de visualisation de configurations particulières [-]

Finalement, on a dit que les points d’ancrage constituent 4 degrés de liberté définis
dans des plages de valeurs (variations de l’ordre de quelques centimètres), néanmoins, et
c’est là où ça se complique, l’espace de recherche n’est pas toujours solution.

Figure 4.10 – Singularité lors du dépliement de la jambe du train [-]

 La preuve en est la Figure 4.10, avec, pour certaines configurations, des discontinuités
du bras de levier (singularités dans la cinématique) qui conduisent à des efforts infinis. Il
s’agira donc de mener en parallèle de l’optimisation une réduction de l’espace de recherche
à un espace viable. Sur cette figure, on peut remarquer un déplacement incorrect (enca-
dré) de l’extrémité de l’actionneur signifiant que celui-ci doit dans un premier temps se
rétracter puis s’allonger pour descendre le train.

Comme cela a été expliqué, l’outil peut s’interfacer avec Excel pour récupérer la ma-
trice d’expérimentation, créée par l’utilisateur, et correspondant aux diverses configura-
tions d’accrochage. Les calculs sont alors réalisés en « batch » et les indicateurs sauve-
gardés. Vient alors la phase de recherche d’un modèle mathématique pouvant
correspondre aux phénomènes étudiés. Il a été décidé de prendre une forme polynomiale
d’ordre 3, cf. (4.01), et de réaliser une régression linéaire au moyen de la toolbox d’Excel.
Les paramètres de ces polynômes sont alors les suivants : positionnement de l’actionneur
sur la contre-fiche secondaire (axialement – x3, radialement – x4) et dans la cellule avion
(horizontalement – x1, verticalement – x2), comme représenté Figure 4.10.
FMAX , Dx, L... = f (x1 , x2 , x3 , x4 ) = a0 + å ai .xi + å aij .xi .x j + å aiij .xi 2 .x j (4.01)
Le choix de prendre des polynômes d’ordre si élevé est lié au fait de s’assurer une
bonne qualité de modèle. Néanmoins, une analyse postérieure peut être réalisée quant à
l’impact qu’ont chaque facteur ou leurs interactions sur l’indicateur, comme expliqué dans
[2]. C’est ainsi qu’il est possible d’opérer des simplifications de l’expression du modèle et
surtout réaliser « à la main » l’optimisation lorsque l’on sait quel indicateur a le plus
d’impact sur l’objectif global : ici la masse actionneur. Bien entendu, ceci suppose de nor-
maliser les paramètres (variation entre -1 et +1) pour l’étude, et la sensibilité s’entend
pour les plages de variations données. En effet si un des paramètres d’intégration ne peut
varier que de quelques microns là où les autres bougent de plusieurs centimètres, il est fort
à parier que ce degré de liberté sera perçu comme non influent.

0,025

0,02

0,015

0,01

0,005

0
a1
a3
a11
a33
a12
a14
a24
a111
a333
a112
a114
a223
a331
a334
a442

-0,005

Figure 4.11 – Validation du modèle de la course (estimé vs. simulé) et analyse de sensibilité [-]
 Les analyses de sensibilités ont alors mis en évidence plusieurs tendances :
- La course de l’actionneur dépend principalement du positionnement de
l’actionneur axialement sur la contre-fiche (x3) et augmente avec celui-ci.
- La longueur de l’actionneur dépend en revanche du positionnement vertical dans
la cellule avion (x2) et augmente aussi avec celui-ci.
- L’accélération est fonction de l’inclinaison de l’actionneur, soit les paramètres x1
et x4, qui doivent alors être minimisés pour limiter l’effort inertiel.
- Concernant l’effort maximal (modèle moins précis bien que linéarisé sur l’inverse
de l’effort), les facteurs ayant le plus d’influence sont les degrés d’intégration à la
contre-fiche secondaire (x3 et x4). C’est pourquoi il peut être intéressant d’aller
plus loin en traçant les courbes de niveau d’effort en fonction de ces deux para-
mètres pour des valeurs moyennes de x1 et x2 comme représenté Figure 4.13.
- Pour les efforts moyens (cubique et carré) la conclusion est identique.
20000

15000

10000

5000

0
a1
a3
a11
a33
a12
a14
a24
a111
a333
a112
a114
a223
a331
a334
a442
-5000

-10000

-15000

Figure 4.12 – Validation du modèle de la course (estimé vs. simulé) et analyse de sensibilité [-]

Figure 4.13 – Représentation des iso-courbes d’effort maximal : intégration à la contre-fiche [-]
 Les surfaces de réponse illustrées jusqu’à présent ont été construites en rejetant les
configurations singulières afin de conserver de bonnes propriétés de continuité. C’est
pourquoi il convient d’ajouter des contraintes sur les valeurs que peuvent prendre les pa-
ramètres d’intégration afin de s’assurer que la solution choisie est non singulière.
Sur la Figure 4.14 ont été tracés les résultats de rapport entre effort maximal (bas) et
effort haut (qui devait être supérieur à 1,5 pour s’assurer un déploiement complet, même
en mode hangar), contrainte passée sous silence car en définitive validée pour l’ensemble
des solutions valides. En revanche, et ce qui est intéressant sur cette figure c’est de voir la
frontière (courbe proche du rapport nul) qui limite l’espace des solutions viables (les solu-
tions rejetées se voyant attribuer une valeur 0 pour le tracé des iso-courbes de rapport
d’effort). Ainsi pour une configuration dont les paramètres x1 et x2 sont pris égaux à leur
borne inférieure, soit en normalisé : (x1 ; x2)=(-1 ; -1), une contrainte sur les deux autres
paramètres d’intégration peut être fixée de manière à s’assurer une solution viable :
x3≤(x4+1)/2 (contrainte conservatrice pour d’autres valeurs de x1 et x2).

Figure 4.14 – Espace restreint de recherche pour une cinématique non singulière [-]

Un composant demande une attention toute particulière, il s’agit du carter. Ce dernier

est soumis à des tests de validation en vibration assez sévères [3], et comme expliqué dans
[4], pour des EMA de grande dimension, ce qui sera le cas pour cette application, les con-
traintes vibratoires deviennent le premier critère de conception. Pour des modèles simples
de carter bicorps, il est possible d’exprimer analytiquement les contraintes internes en se
basant sur la théorie de Rayleigh et une approximation polynomiale de la déformée 2 [4].

2
Les équations permettant de calculer la contrainte vibratoire sont résumées en Annexe D.
 Figure 4.15 – Modèle de carter bicorps [-]

Il se trouve que le calcul de la contrainte mécanique vibratoire maximale dépend de

plusieurs paramètres :
- La masse équivalente mrapportée rapportée au centre de l’actionneur (supposée égale à la
somme de la moitié des masses du fluide et/ou de la vis, et de la masse écrou) ;
- Des dimensions du carter (épaisseurs e1 et e2, diamètres internes d1 et d2, longueur ac-
tionneur étendu L) ;
- Du matériau constituant le carter (module de Young E=210GPa, coefficient de qualité
Q=30, densité ρcarter=7800kg/m3) ;
- Des conditions vibratoires : oscillations d’accélération sinusoïdale d’amplitude a=20g.
Elle devra alors être inférieure ou égale à la contrainte admissible du matériau (avec
un coefficient de sécurité σadm=350MPa) pour que le dimensionnement soir valide.
A cela s’ajoutent deux contraintes d’intégration du vis-écrou :
d1 ³ Décrou + 2.e2 = d1, min ; d 2 ³ Dvis = d 2, min (4.02)

Néanmoins, ce que l’on souhaiterait c’est le problème inverse, c’est à dire être en me-
sure d’estimer la géométrie de l’actionneur qui respecte cette contrainte limite et mini-
mise la masse. Mais le nombre de paramètres à manipuler reste encore élevé, c’est pour-
quoi un prétraitement est réalisé de manière à définir la masse rapportée et les diamètres
d’écrou et de vis uniquement en tenant compte de deux facteurs l’effort maximal Fmax et
l’allongement δ=Δx/L (rapport de la course sur la longueur actionneur étendu). On re-
trouve alors le schéma global d’optimisation en Figure 4.16.

Figure 4.16 – Procédure automatique de dimensionnement du carter (sans hydraulique) [-]

 En faisant varier les paramètres d’entrée dans les plages typiques des actionneurs aé-
ronautiques (longueur étendue, L dans [20cm ; 150cm] et effort maximal, Fmax, compris
entre [30kN ; 300kN]) il a été possible de construire la surface de réponse en question. En
réalité, par contrainte d’intégration du capteur de position à l’intérieur de la vis creuse,
l’effort minimal de définition est au minimum de FLVDT=95kN (10mm de diamètre in-
terne), on se ramènera donc à cette valeur lorsque Fmax<95kN.
Le premier constat sortant de l’étude est le fait que pour valider le critère de con-
trainte en flexion, il est préférable d’augmenter le diamètre du carter plutôt que son
épaisseur, on a alors un meilleur compromis moment quadratique/masse. C’est pourquoi
l’épaisseur du carter est égale au minimum fabricable qui a été pris égal à 3mm.
Le facteur d’allongement étant moins influent, il a été possible de tracer la répartition
de diverses configurations rencontrées dans un graphe effort de définition de la vis versus
longueur de l’actionneur (pour un facteur d’allongement δ ≈38%) présenté Figure 4.17.

Figure 4.17 – Différentes zones d’évolutions géométriques [-]

Il est alors possible de définir trois zones :

- Pour L≤b1, avec b1 une constante, la contrainte de vibration n’est pas dimensionnante
et le carter répond uniquement à la fonction d’intégration ;
- Pour b1<L≤[Link]+b2, où a2 et b2 sont deux constantes, la tige est dimensionnée en vi-
bration et n’impacte pas le design du cylindre ;
- Pour L>[Link]+b2, la tige est dimensionnée en vibration et tend à faire augmenter le
diamètre cylindre de par sa propre intégration, ce qui est d’autant plus pénalisant.
Pour chacune de ces zones des méta-modèles de la masse et des diamètres ont pu être
établis (analyse à l’ordre 3), ces derniers ont permis de tracer les abaques de la Figure
4.18. Les erreurs engendrées par les modèles restent faibles (inférieures à 3%), donc
l’évaluation est de qualité.
 Figure 4.18 – Abaque de dimensionnement – vibration (sans hydraulique) [-]

Sur cette figure, on voit clairement apparaître les deux transitions géométriques sur
les diamètres.

Les dimensions obtenues par les méta-modèles en vibration (et d’autant plus lorsque le
dimensionnement est uniquement conditionné par les contraintes de fabrication – épais-
seurs minimales, et l’intégration) doivent être comparées au dimensionnement statique.
Ce dernier se fait sous charge maximale, actionneur étendu et se rétractant. La contrainte
est alors une combinaison de l’effort normal et de la flexion induite par le couple de frot-
tement aux rotules. Pour simplifier les calculs, et afin de prendre une hypothèse conserva-
trice, le carter est supposé mono-corps de dimensions celles de la tige.
Dans ce cas, la contrainte limite devra vérifier :
æ
sl ³ ç
4 32.m.d embout (d + 2.e2 ) ö÷. max(F (t ))
. 2
è ( 2 2 2
+
) (
ç p . (d + 2.e )2 - d 2 p . (d + 2.e )4 - d 4
2 2 2 )
2 ÷
ø
(4.03)

Où μ est le coefficient de frottement des embouts et dembout le diamètre de glissement.

Si la condition n’est pas vérifiée, il convient d’augmenter le diamètre de tige, l’épaisseur
restant égale au minimum de fabrication. En réalité le test de vibration est fait en charge,
donc il s’agirait de combiner les contraintes, néanmoins les méta-modèles de vibration ont
été construits en tenant compte d’un coefficient de sécurité sur la limite du matériau cou-
vrant cette contrainte additionnelle. On pourra donc découpler les études.
 Concernant la solution de carter embarquant la fonction « free-fall » hydraulique, la
contrainte d’éclatement sous pression du fluide impose une équation supplémentaire plus
contraignante que la simple intégration tige-cylindre :

d1 ³ (d 2 + 2.e2 )2 + 4 . max(F (t )) > d 2 + 2.e2 (4.04)

p Pmax
Cette différence de section imposée tend à augmenter la masse du carter de manière
assez radicale lorsque la contrainte vibratoire est dimensionnante.

Une fois les formules mathématiques d’estimation des indicateurs de performance et

de la géométrie du carter réalisés, elles sont intégrées dans le processus d’optimisation
(Figure 4.7), implémenté dans un fichier Excel. Le solveur permet alors d’optimiser les
points d’ancrage minimisant la masse actionneur (sans l’électronique de puissance).

Dimensionnement Dimensionnement
Paramètres/résultats
Optimal Manuel
x1 (normalisé) -1,00 0,00
x2 (normalisé) 0,20 0,17
x3 (normalisé) -0,09 0,00
x4 (normalisé) -1,00 0,00
pas de la vis (mm) 5,0 5,0
rapport de réduction 5,0 4,8
kmoteur - inertiel 1,25 1,30
kvis - LVDT 1,13 1,29
kbutée - fatigue 1,24 1,39
Masse actionneur (kg) 21,1 22,3 (+6%)

Tableau 4.1 – Résultats de dimensionnement actionneur NLG [-]

Un dimensionnement est effectué à la main, en choisissant un pas de vis de 5mm/tr

(valeurs courantes 4-8mm/tr) et des valeurs normalisées pour les paramètres
d’intégration toutes en milieu d’intervalle (soit 0). Le rapport de réduction est choisi de
telle sorte que la vitesse maximale du moteur soit atteinte (moteur tournant 50% plus vite
que la référence, afin de rester réaliste) et le coefficient de surdimensionnement de ce der-
nier est augmenté jusqu’à valider le couple inertiel additionnel (+30%→+25% de masse
moteur). Pour les paramètres d’intégration, on sait que le paramètre x2 est le plus impor-
tant car il a un impact fort sur la longueur actionneur et la masse carter, prépondérante
(Figure 4.19). Du coup il va s’agir de déterminer la valeur la plus faible permettant
l’intégration des composants, et cette valeur (normalisée) est à peine supérieure à la va-
leur médiane.
La vis (Fdef=95kN) est dimensionnée par l’intégration du capteur position alors que le
critère de choix de la butée est la fatigue.
 Figure 4.19 – Bilan massique d’un actionneur NLG (solution optimale) [-]

Les embouts représentent une part non négligeable de la masse actionneur et pénali-
sent la taille de ce dernier (intégrabilité) car ils sont surdimensionnés (kembout=2) pour ré-
pondre à la contrainte de diamètre d’axe imposée. Après, les résultats obtenus sont assez
éloquents puisque le motoréducteur (et donc le moteur) ainsi que le carter représentent à
eux deux 78% de la masse EMA.
Le problème est donc complexe, mais découpé et analysé par sous-problèmes au moyen
de méta-modèles, cela permet à un seul et même acteur de mener à bien la conception
complète de l’intégration cinématique au prédimensionnement actionneur.

Le second exemple de prédimensionnement est celui d’un actionneur aileron et consi-

dère une problématique différente puisque l’on a séparation des rôles : d’un côté
l’avionneur chargé de l’intégration à la cellule avion ainsi que de la définition de la ciné-
matique et du cahier des charges actionneur, et de l’autre côté l’équipementier chargé du
développement actionneur et par conséquent de son prédimensionnement. C’est alors sur
ce genre de travail collaboratif que l’utilisation de l’outil YouSpecify prend tout son sens.

Figure 4.20 – Topologie choisie, identique à l’actionneur MOOG [5]

 L’actionneur doit pouvoir s’intégrer à une cinématique 3-barres/linéaire, et posséder
un amortissement lorsqu’il est en mode passif. Un gabarit de frottement Ff=f(V) a
d’ailleurs été spécifié. L’architecture choisie est assez conventionnelle (présentée Figure
4.20) avec tout de même une spécificité au niveau du moteur dont l’architecture permet
d’augmenter les pertes fer (cf. Chapitre 1) et de rentrer dans le gabarit.

Une fois l’architecture décidée, et les critères de conception listés, il est possible de
faire remonter l’information à l’avionneur qui pourra alors mettre en place les scénarios
les plus sévères quant à l’étude des phénomènes listés :
- Pour la fatigue : profil de vol typique, avec le plus grand nombre de répétitions ;
- Pour l’échauffement : conditions extérieures chaudes et fonctionnement dégradé, soit
une voie active l’autre passive ou maintien de l’effort pour compenser la perte d’une
autre surface de contrôle (ex : THSA bloqué) ;
- Points de fonctionnement maximaux : conditions de vol extrêmes, rafales de vents…

A partir de ces conditions de vol et d’un modèle avion simulé, il est en mesure de géné-
rer des profils de charge et position temporels, puis de les analyser et simplifier, au besoin,
pour des raisons de confidentialité, mais aussi afin d’accélérer le travail du systémier.
Celui-ci peut alors réaliser le prédimensionnement et faire remonter de l’information
sur les critères de conception réellement actifs et les plus pénalisants afin que l’avionneur
ajuste au mieux la cinématique.

Figure 4.21 – Organisation de l’étude et échange d’information [-]

L’avionneur définit un ensemble de cas de chargement (normal, extrême, limite, dé-

faillance…) et réalise une analyse au moyen de la bibliothèque YouSpecify pour comparer
ces profils en terme de sévérité vis-à-vis des phénomènes de fatigue, de rupture statique,
d’échauffement… Il peut alors transformer et réduire les profils les plus demandants en
profils simplifiés faciles à partager avec l’équipementier.
 C’est d’ailleurs ce qui a été réalisé dans le cadre d’ACTUATION 2015, si ce n’est qu’en
définitive, et puisqu’on avait la parfaite maitrise de l’outil, l’analyse complémentaire des
profils de mission nous a été confiée. Il en a découlé des profils simplifiés de fatigue-
échauffement à effort constant et oscillation de position de faible amplitude caractéris-
tique de la phase de vol la plus sévère : le régime croisière. Le Chapitre 2 a détaillé ces
analyses et l’utilisation de l’outil Matlab/Simulink pour cette étape.

Le prédimensionnement optimisé se fera donc sur une cinématique figée (non-

optimale) comme dans les conditions réelles de développement. Ce qui signifie que le sys-
témier n’aura, à la vue de la cinématique (Figure 4.20), que quatre degrés de liberté : le
pas, le rapport de réduction, un coefficient de dégradation des pertes fer moteur et l’effort
de précharge de la vis, les deux derniers permettant de répondre à la spécification
d’amortissement passif. Une contrainte forte pénalisera le dimensionnement, il s’agit de
l’inertie rapportée que représente l’actionneur en mode passif. Sa valeur est limitée pour
éviter les couplages aérodynamiques, mais aussi les efforts dynamiques additionnels réper-
cutés sur la voie active).

Comme pour le train d’atterrissage, une étude de préconception a été menée de ma-
nière à pouvoir faire un bilan massique et un premier retour sur les paramètres clés de di-
mensionnement.

Figure 4.22 – Bilan massique de l’actionneur d’aileron en phase de préconception [-]

Il se trouve que la contrainte additionnelle d’un gabarit de frottement en mode passif

ne pénalise quasiment pas le dimensionnement, les pertes Joules étant prédominantes. Le
moteur est l’élément dominant en terme de masse et la raison est qu’il fait face à deux
contraintes antagonistes : l’échauffement et la limite d’inertie rapportée auxquels on
s’intéressera plus particulièrement durant l’analyse de tendance qui suivra.
Mais avant de revenir sur le design du moteur et ses spécificités, il est important de
parler du dimensionnement des autres composants, notamment à l’heure d’aborder la
standardisation. Il se trouve que la butée, la vis à rouleaux et le carter sont tous trois di-
mensionnés par l’intégration du capteur de position LVDT et non par le chargement.
 Peu d’effort peut être fait sur ces composants, quant aux embouts dimensionnés en ef-
fort statique, leur impact sur le bilan massique est si faible qu’ils ne méritent pas
d’attention particulière si ce n’est pour l’intégration géométrique.

Dimensionnement
Paramètres/résultats
Optimal
pas de la vis (mm) 6,00
rapport de réduction 3,15
effort précharge (kN) 4,50
kfer – pertes moteur 25

kmoteur - thermique 3,35

kvis - LVDT 3,00
kbutée - intégration 2,00
Masse actionneur (kg) 16,3

Tableau 4.2 – Résultats de dimensionnement, actionneur d’aileron [-]

Le paragraphe précédent a mis en évidence un couplage entre les spécifications ther-

miques et inertielles de l’actionneur. Ce couplage peut lors d’une évolution du cahier des
charges avoir un effet très important sur la masse de l’actionneur.
Il est donc apparu judicieux de faire une analyse de tendance au moyen des lois qui ont
permis de réaliser ce prédimensionnement, à savoir les lois de similitude des composants
[1], dont celles du moteur rappelées en Annexe C. On remarque alors que le moteur est
défini par son couple de saturation transitoire Csat, fonction du moment charnière aileron
(charge maximale) Cmax, du pas de la vis p, du rapport de réduction du réducteur N et du
bras de levier de la cinématique l, les rendements étant déjà pris en compte dans la défini-
tion de la charge :
æ æ p öö æ p ö
C sat = k.çç C max.ç ÷ ÷÷ ³ C max.ç ÷ (4.05)
è è N .l ø ø è N .l ø
Il faut alors que le couple thermique Cnom (maintien durant un temps infini) du moteur
permette de passer la spécification de couple thermique CRMS, et c’est en fait lui le réel pa-
ramètre de définition pilotant le coefficient de surdimensionnement introduit dans
l’équation précédente (k>1) :
æ p ö
C nom = C RMS .ç ÷ (4.06)
è N .l ø
Partons d’une spécification dimensionnant le moteur thermiquement (k>1), dans ce
cas la modification (augmentation) du couple thermique doit conduire à la même élévation
de température.
DT2
= DT * = 1 Þ PJ * .Rth * = 1 (4.07)
DT1
Où la notation * indique un ratio par rapport à une valeur de référence (x*=x/xref).
 Or les pertes joules PJ se calculent à partir du couple thermique moteur et du coeffi-
cient de pertes joule α :
PJ * = a *.Cnom*2 = Csat *-5 / 3,5 .Cnom*2 (4.08)
Ce qui donne, toujours grâce aux lois d’échelle :
2
æC * ö
PJ * .Rth * = C sat *-5 / 3,5 .C nom*2 .C sat *-2 / 3,5 = 1 Þ ç nom ÷ = 1 (4.09)
çC * ÷
è sat ø
En réinjectant les équations (4.05) et (4.06), on obtient :
2 2
æ C * ö æC *ö
ç RMS ÷ = 1 ¾C max =cste
¾ ¾¾ ¾®ç RMS ÷ = 1 Þ k * =C RMS * (4.10)
ç k * .C * ÷ ç k* ÷
è max ø è ø
Jusque-là rien d’extraordinaire, si ce n’est que pour continuer de valider la contrainte
thermique il suffit d’augmenter le couple de saturation proportionnellement à
l’augmentation du couple thermique charnière. C’est assez évident quand on sait que :
C sat * = Cnom* (4.11)
Néanmoins, comme expliqué précédemment, la sélection du moteur est aussi impactée
par la contrainte inertielle (inertie rapportée sur l’axe actionneur). Donc même après mo-
dification de la spécification, cette contrainte sera toujours (et d’autant plus) active :
2
æ N* ö
*
I = J mot *
.ç ÷ =1 (4.12)
ç p* ÷
è ø
Toujours à partir des lois d’échelle il est possible d’estimer l’inertie moteur à partir du
couple de saturation, et par remplacement successif, arriver à l’expression de l’évolution
du rapport de transmission :
2 2
æ N* ö æ *ö æ *ö
J mot *ç
. ÷ = C sat *5 / 3,5 .ç N ÷ = 1 Þ ç p ÷ = k *5 / 2 (4.13)
ç p* ÷ ç p* ÷ ç N* ÷
è ø è ø è ø
Cela signifie adapter le pas ou le rapport de réduction (diminuer le rapport de trans-
mission) pour compenser l’évolution du coefficient de surdimensionnement, ce qui pénalise
doublement le moteur. Si l’on évalue sa masse au moyen des lois de similitudes :
6/7
æ æ p* ö ö
*
M mot = C sat *3 / 3,5
= ç k *.ç ÷÷
ç ç N * ÷÷
(
= k *7 / 2 )
6/7
= k *3 = C RMS*3 (4.14)
è è øø
La conclusion est alors assez claire : augmenter de 25% le couple thermique charnière
revient à multiplier par deux la masse du moteur. Il s’agit donc d’une contrainte très sé-
vère.
Si maintenant la même analyse était conduite sur la spécification inertielle, on trouve-
rait une sensibilité moindre :
M mot * = I *-3 / 3,5 (4.15)
 Fort de ces connaissances, il est possible de dire que le moteur doit être construit de
manière à maximiser les échanges thermiques avec la cellule avion tout en minimisant
l’inertie de son rotor (évidemment possible). En ce qui concerne le résultat massique obte-
nu, il est important de préciser que le dimensionnement du moteur est fait en prenant des
conditions thermiques particulières, à savoir une convection naturelle dans une ambiance
stabilisée à 70°C, qui n’est pas totalement représentatif des conditions en vol comme on le
verra lors des conclusions.

Une question se pose : est-il possible de jouer sur la cinématique pour minimiser la
masse actionneur ? Cette question est justifiée, car les études de tendance précédentes ont
été menées pour une cinématique figée supposée optimale.
Nous allons montrer que cette étude peut alors être menée de manière séparée par
l’avionneur uniquement et ce éventuellement au moyen de logiciels spécifiques, dès lors
que l’on connait les critères de conception actifs.
Sur le cas d’application présenté, on peut dire que la course comme la longueur de
l’actionneur n’auront d’impact que sur les masses de la vis et de son carter, soit assez peu
d’impact sur la masse globale. Il s’agit plutôt de regarder du côté du moteur et de ses deux
contraintes actives Cnom et Jmot. Il se trouve que le bras de levier noté ‘l’ n’est pas constant
sur la course, et pour rappel du Chapitre 2, qu’il peut s’exprimer sous forme d’une fonc-
tion sinusoïdale de l’angle de braquage β :
l (b ) » R. sin(b i - b ) (4.16)
Or, le bras de levier à considérer pour la contrainte inertielle est la pire des configura-
tions rencontrées au cours de la course complète, soit :
2 2
æNö æNö
l I = max(l (b )); J rapportée = (J mot + J red ).çç ÷÷ .l I 2 » J mot .çç ÷÷ .l I 2 £ J spec (4.17)
è pø è pø
avec Jred l’inertie du réducteur qui est souvent négligeable.
Pour la définition du couple thermique, il s’agit en revanche de prendre en compte le
bras de levier pour la phase de vol correspondante (croisière) qui correspond à un bra-
quage oscillant autour de 0° :
l RMS = l (0°) (4.18)
Du coup, l’optimisation du dimensionnement passe par une diminution de lI et une
maximisation de lRMS, qui tend vers lI = lRMS pour l’optimum.
 Ce qui, concrètement, se traduit par un décalage de la fenêtre de fonctionnement :

Figure 4.23 – Optimisation cinématique 3 barres sur un cas aileron (α≈βi-β) [-]

Figure 4.24 – Rappel du schéma du mécanisme 3 barres pour les deux configurations [-]

La configuration initiale, grise a été consciemment prise exagérément excentrée pour

bien mettre en évidence l’écart entre les bras de levier. L’angle initial de la cinématique a
donc toute son importance. De plus, la longueur du bras d’accrochage R, doit être maximi-
sée (diminution de la taille du réducteur) et la longueur actionneur minimisée (diminution
du carter) en s’assurant de deux points cruciaux : l’actionneur s’intègre dans la cellule
avion (pas de contact du carter sur les parois lors de la course totale), et les pièces action-
neur sont intégrables dans ce dernier (conditionne la longueur minimale). Sur ce dernier
critère le dimensionnement a montré que nous étions arrivés en limite, ce qui ne laisse
alors plus la possibilité de jouer que sur le bras d’accrochage et l’inclinaison globale de la
cinématique (δ sur le schéma cinématique rappelé Figure 4.24) en s’assurant qu’il n’y a au-
cun contact dans la cellule avion.
 Un parallèle peut être fait au cas aileron avec, cette-fois une étude, toujours réalisée
dans le cadre du projet Européen, celle d’un actionneur de spoiler rotatif équipant un
avion court-courrier. L’étude est somme toute assez similaire si ce n’est qu’elle a impliqué
l’intervention d’un spécialiste pour mettre en place les modèle d’estimation (surfaces de
réponse) décrivant le réducteur assez particulier présenté dans le Chapitre 1, le GRA
(« Gear Rotary Actuator »). On étend ainsi le nombre de partenaires à trois : avionneur,
systémier et fournisseur de composant.

Figure 4.25 – Architecture actionneur rotatif de spoiler [-]

La problématique est alors similaire à celle présentée Figure 4.21, si ce n’est que dans
les fiches de dimensionnement, une part du savoir a été transféré du fournisseur vers le
systémier. L’architecture présentée Figure 4.25 est en revanche totalement différente et
« simple », si ce n’est que le mécanisme de limitation des efforts et réalisant la fonction
damping passif (disques de frottement) n’a pas été représenté et s’avère être assez lourd et
encombrant. C’est pourquoi les résultats présentés par la suite seront à prendre avec pré-
caution et sans oublier que le dimensionnement est exempt de ce mécanisme.
Le moteur étant assez standard, l’effort a donc été mis sur la modélisation des diverses
lois d’estimation pour le GRA, qui, pour des raisons d’encombrement (diamètre fortement
contraint) pourra se voir dédoublé.

La conception d’un GRA passe par la définition géométrique des divers groupes
d’engrenages (module et nombre de dents), de la correction de denture, mais aussi un
choix de matériau et de lubrifiant. C’est un savoir que possède un des partenaires du pro-
jet ACTUATION 2015, l’université Polytecnico di Turino qui a des liens privilégiés avec
le fournisseur de composants aéronautiques Microtecnica.
 C’est donc en travaillant en collaboration étroite avec cette université et plus précisé-
ment Mr Bertucci, ingénieur de recherche au département mécanique-aéronautique, que
nous sommes parvenus à sélectionner dans un premier temps les géométries les plus per-
formantes en terme de couple (statique) massique. Dans un second temps, les surfaces de
réponse ont été construites dans le but de relier cet indice de performance Ip ainsi que le
rapport entre diamètre et couple statique à trois grandeurs : le facteur de forme ψ=d/L
(diamètre sur longueur), le rendement réducteur η et le rapport de réduction N.
C0 d3
Ip = = f (l ,h , N ); = f (l ,h , N ) (4.19)
M C0
Là encore un polynôme poussé à l’ordre 3 a permis de représenter avec une bonne fidé-
lité les performances obtenues par l’outil spécifique de calcul des GRA. Ceci a donné lieu à
une nouvelle fiche composant qui a, à son tour, pu être intégrée au fichier de dimension-
nement préliminaire sous Excel.

Un dimensionnement a été mené pour une cinématique, encore une fois, figée par
l’avionneur. Les résultats sont, comme pour le cas aileron, sans appel : la masse moteur
peut être importante comparativement aux autres composants constituant le système.

Figure 4.26 – Bilan massique de l’actionneur de poiler en phase de préconception [-]

Dimensionnement
Paramètres/résultats
Optimal
rapport de réduction N 400
rendement réducteur η 0,86
facteur de forme ψ 1,85

kmoteur - thermique 1,61

kbielle - flambement 1,30
Masse actionneur (kg) 6,5

Tableau 4.3 – Résultats de dimensionnement, actionneur de spoiler [-]

 Le moteur fait encore face à deux contraintes antagonistes : la vitesse maximale attei-
gnable et le couple thermique. Avant de réaliser une analyse de sensibilité sur ces deux
critères, il est déjà possible de se poser la question : comment repousser ces limites ? Pour
la thermique, la réponse est la même que pour l’étude précédente, améliorer les échanges
thermiques (au moyen de radiateurs à ailettes), quant à la vitesse maximale, il est toujours
possible de la repousser. Mécaniquement, cela exige d’améliorer le frettage des aimants
aux rotors. Néanmoins, même en supprimant cette limite située au niveau du moteur,
vient une seconde limite liée à la commande. En effet, la fréquence maximale de commuta-
tion de l’électronique de puissance (limitée pour des raisons de pertes, mais aussi de vi-
tesse de calcul) doit être au moins égale à dix fois la vitesse de rotation du champ, soit
10pp fois la fréquence de rotation du moteur où pp représente le nombre de paires de pôles
de ce dernier. Supposons donc pour l’analyse de tendance que le moteur est limité par une
vitesse saturante notée :
2p . f com
w sat = w meca £ (4.20)
10. p p
Le moteur est défini par son couple thermique qui permet de déduire l’expression du
couple de saturation (de définition) :
*
C RMS C
Cnom = Þ C sat * = Cnom* = RMS (4.21)
N .l N*
La vitesse maximale moteur est alors liée à la vitesse maximale charnière ωmax lors de
rafales de vent :
w sat
w max = Þ w sat * = N * (4.22)
N .l
Dans le cas où l’on considère la limite mécanique du moteur, inférieure à la limite de
commutation, l’équation (4.13)(4.22) peut être réécrite (ωsat*=ωmeca*=Cnom*-1/3,5), et la va-
riation de masse moteur obtenue par :

(
M * = Cnom*3 / 3,5 = C RMS *3,5 / 2,5 )
3 / 3,5
= C RMS *3 / 2,5 (4.23)

La pénalisation est tout de même moindre par rapport à celle du cas précédent.

Si maintenant on considère que la limite de vitesse est due à l’électronique de puis-

sance (fréquence de découpage), soit ωsat*=f*=1 :
M * = Cnom*3 / 3,5 = C RMS *3 / 3,5 (4.24)

L’impact sur la masse actionneur est encore plus faible, restant quasiment dans le rap-
port de proportionnalité.

Cette fois-ci la sensibilité à la spécification de vitesse maximale d’ouverture lors d’une

rafale a exactement le même impact sur la masse moteur que le couple thermique.
 L’optimisation cinématique, comme précédemment, s’intéresse à la non-linéarité du
rapport de cinématique, et à l’angle d’occurrence des deux contraintes précédemment
évoquée : vitesse maximale d’ouverture à une bourrasque, couple thermique. Critères ac-
tifs remontés par le systémier à l’avionneur pour mener l’optimisation cinématique de
manière séparée.
Il se trouve qu’encore une fois, le couple thermique apparait pour un angle de bra-
quage nul (phase de descente, becs et volets sortis) alors que la bourrasque peut intervenir
à tout moment et il convient donc de prendre le rapport cinématique le plus élevé.
C’est pourquoi l’optimisation consiste à maximiser le lRMS et minimiser lbourrasque, soit
minimiser l’écart entre ces deux rapport pour optimiser l’actionneur :
l RMS = l (0°) £ lbourrasque = max(l ) (4.25)
Un bras de levier globalement supérieur sur la plage d’utilisation permet de diminuer
la taille du réducteur, qui a un impact, certes moindre, sur la masse actionneur. Néan-
moins, et afin de simplifier l’optimisation cinématique, et puisque la configuration initiale
présente tout de même une bonne linéarité sur une large plage angulaire, on se concentre-
ra uniquement sur le choix de l’angle initial. Cela revient alors à déplacer la fenêtre
d’utilisation du mécanisme de manière à ce que le braquage nul corresponde au rapport
cinématique maximal :

Figure 4.27 – Optimisation de l’angle initial (mécanisme 4 barres) pour un cas spoiler [-]

La configuration grise est la configuration initialement choisie par l’avionneur. Elle

met en avant de grosses différences entre rapports cinématiques en défaveur du dimen-
sionnement actionneur. On pourrait alors être tentés de décaler la fenêtre d’utilisation
comme montré sur la figure, avec un rapport maximal autour de β=0° (angle
d’échauffement).
 Néanmoins, et c’est un point critique sur une cinématique quatre barres, l’intégration
géométrique dans la cellule avion n’est pas le seul point bloquant : il convient aussi de
s’assurer qu’il n’y a pas de contact entre les bielles et le corps de l’actionneur durant la
course. A la vue des dimensions des diverses pièces, cette contrainte est validée tant que
θ2<163° (cf. équation (2.66) du Chapitre 2). Pour rappel, il s’agit de l’angle entre la bielle
réducteur et la bielle intermédiaire.

Figure 4.28 – Rappel du paramétrage de la cinématique 4 barres [-]

Figure 4.29 – Validation de non contact bielle-bâtit [-]

 Avec la configuration choisie, cela ne semble pas être un problème. On préfèrera sou-
vent utiliser le mécanisme quatre barres dans un domaine où le rapport de transmission
reste assez constant, sans grosse non-linéarité pouvant conduire à des problèmes de réver-
sibilité.

Le thème général du projet Européen finançant ces travaux de thèse est accès stan-
dardisation. Alors que jusqu’ici il a été possible de montrer notre implication en termes de
standardisation des procédures, méthodes et outils de design, la standardisation et modu-
larité des composants physique n’a pas encore été dressée et c’est le but de cette section.
Ne sera en revanche pas abordé la standardisation des procédés de fabrication ou mé-
thodes de test/validation faisant aussi partie intégrante du projet mais thèmes sur lesquels
le laboratoire n’était pas présent.

La standardisation est un processus complexe liant compétition et économie. Dans [6],

l’auteur explique que la standardisation est la base des processus modernes de fabrication
et des échanges économiques, soit un composant majeur dans la coordination industrielle.
Il est important de faire la différence entre des standards internes (approche qualité,
réduction des coûts…) et les normes et agréments internationaux liés à la notion de com-
patibilité (interfaces, interchangeabilité).
Dans [7], beaucoup des avantages amenés par la standardisation sont abordés, classés
dans diverses catégories : fabrication (limitation du nombre de pièces et numéros de réfé-
rence, une gestion du stock facilitée, une formation accélérée des ouvriers, de gros vo-
lumes de production…), intégration/implémentation et la maintenance (disponibilité pro-
duit, nombre d’outils et temps limité pour l’intervention).
Néanmoins, standardisation va en général de pair avec la modularité, qui comme nous
le verrons plus en détail par la suite, favorise la réutilisation de composants et la standar-
disation des interfaces de divers modules. C’est pourquoi il est assez difficile de séparer
véritablement ces deux notions. Dans cette section on se concentrera donc plutôt sur la
rationalisation des gammes de composants alors que la modularité sera abordée dans la
section suivante.

Si l’on se réfère à [8], la création de gamme de composants est basée sur les similitudes
ou semi-similitudes géométriques, et les séries correspondent à une suite géométrique des
paramètres clés. Au passage, cela tend à confirmer l’intérêt des modèles d’estimation et
des lois d’échelle. Comment cela fonctionne ? Imaginons que la gamme de composants
s’étend de Xmin à Xmax (X étant le paramètre dimensionnant). Si l’on souhaite créer une
gamme de N composants, le facteur géométrique sera alors :
1
æX ö (n-1)
j = çç max ÷÷ (4.26)
è X min ø
 Les séries géométriques les plus connues en création de gammes sont celles de Charles
Renard qui a subdivisé les décades en respectivement 5-10-20-40 sous-intervalles. Pour
la petite histoire, Charles Renard a été en charge de la standardisation des câbles utilisés
dans la confection des dirigeables militaires dans les années 1870. Ces séries ont alors été
adoptées comme étant un standard international ISO3 en 1952.
L’intérêt d’une répartition de gamme en série géométrique est simple : elle permet de
couvrir l’intervalle de la manière la plus efficace possible, limitant l’erreur maximale entre
une valeur prise aléatoirement dans l’intervalle et le composant dans la gamme le plus
proche. Sur ce point, il est possible de citer le standard électronique IEC60063 concer-
nant les gammes de résistances et condensateurs, qui subdivise la décade en 6-12-24…
sous-intervalles. Cela permet de couvrir n’importe quelle application avec une déviation
maximale de 20%-10%-5%...

Concernant la conception assistée par ordinateur, on serait tenté de dire qu’une pure
similitude géométrique permet d’accélérer grandement la phase de conception, car alors
un modèle paramétré pourrait constituer à lui seul une gamme. Or, comme le rappelle [8],
il n’est pas toujours possible de procéder de la sorte, et ce pour diverses raisons : les phé-
nomènes physiques évoluent avec les dimensions (thermique, gravité et effet inertiel…),
pour des contraintes ergonomiques ou de production (notamment la modularité : réutili-
sation de composants éventuellement surdimensionnés et d’interfaces standard, limites de
fabrication…). Ce n’est donc pas surprenant de voir réapparaître la modularité et ce du-
rant la phase de dessin industriel. A titre d’exemple, les choix de finition d’axes ou de vis à
billes/rouleaux ou encore des choix d’écrous assez variés pour ces derniers.

Figure 4.30 – Modularité dans le design d’un axe de transmission [9]

Au niveau de la modularité, des choix différents peuvent être faits selon que l’on sou-
haite créer un seul module répondant à l’ensemble des applications et regroupant toutes
les fonctionnalités dont certaines non-utilisés, ou que le module ne doive regrouper que les
fonctionnalités communes, les fonctions annexes se greffant par la suite. C’est ce que Mil-
ler explique dans [10] avec les concepts concurrents de « narrowing » et « widening ».
 Figure 4.31 – Structurer un design pour une famille de produits [10]

Dans [11], l’auteur présente une méthode de calcul d’indices de similitudes qui com-
pare la ressemblance de diverses pièces en les sous-divisant en formes élémentaires.
Chaque fois que ces indices passent sous un certain seuil, il est considéré de fabriquer une
seule et unique pièce.

Pour résumer, la standardisation se focalise plus sur les choix de gammes et les inter-
faces mutualisées de manière à favoriser l’interchangeabilité. Néanmoins, elle se focalise
principalement sur les facteurs clés du design et pas forcément sur les paramètres secon-
daires, qui, d’un sous-traitant à un autre, de par des conceptions ou matériaux diver-
geants, peuvent présenter des comportements réellement disparates. C’est pourquoi il pa-
rait important de mener des analyses de sensibilité sur ces caractéristiques secondaires,
particulièrement dans le domaine des systèmes d’actionnement, de manière à identifier
ceux ayant le plus d’impact et les borner dans le cahier des charges détaillés.

L’intégration devra amener à des solutions robustes à tous points de vue, et en parti-
culier celui de la commande.

Les choix faits par les partenaires industriels en terme de standardisation se canton-
nent essentiellement à deux composants : l’électronique de puissance et le système vis
écrou.

Ainsi pour la vis à rouleaux, il a été décidé de définir un diamètre et pas unique et une
standardisation des éléments roulants. L’écrou est alors un élément de modularité et
d’adaptation pour le carter, tout comme la longueur de vis, dépendante de la course utile
de l’application. La raison évoquée quant à ces choix était plutôt économique, puisque il
s’agit du composant le plus onéreux dans la fabrication d’un EMA, quant au pas, valeur
typique, il a été choisi lors de la considération des frottements internes (ou rendements)
sous charge.
A la vue des premiers résultats obtenus avec un cahier des charges commun (avion
court-courrier) à plusieurs applications (actionneur d’aileron, de gouverne de direction et
de gouverne de profondeur), avec l’une d’entre elles, dominante, la décision d’une vis
commune est apparue logique. En effet, le dimensionnement se faisant sur des critères
d’intégration du capteur de position, aucun gain de masse n’est à espérer même en défi-
nissant une vis spécifique.
 De plus, l’impact de ce dernier sur la masse semble restreint, et un surdimensionne-
ment permet donc d’augmenter la fiabilité/durée de vie par rapport au critère de fatigue
et blocage.

Concernant l’électronique de puissance, un plus large travail de standardisation a été

mené, et notamment sur les diverses interfaces. Découpées en modules de puissance, de
commande et de monitoring3 interconnectés à travers des bus et intégrés dans un boîtier,
il a été nécessaire de standardiser l’ensemble des jonctions qu’elles soient électroniques
(connecteurs) ou mécanique (fixation au bus, au dissipateur pour la carte de puissance,
enveloppe d’encombrement défini).
A titre d’exemple l’architecture de la carte de puissance a été pensée pour s’adapter à
diverses configurations de mesure du courant par des capteurs à effet hall (3 ou 6 câbles),
dont le choix reste à déterminer par rapport aux résultats des tests de sensibilité au fou-
droiement et aux perturbations CEM.
Etant en mesure de n’évaluer que la taille des dissipateurs ou le calibre en courant des
transistors de puissance et la capacité de filtrage, il est assez difficile de conclure sur les
choix faits dans le projet d’autant plus lorsque l’on sait que les cartes de com-
mande/monitoring peuvent générer des pertes d’un niveau similaire aux cartes de puis-
sance et que le carter représente une masse prépondérante du module complet
d’électronique de puissance.

Pour le moteur, dernier composant partiellement standardisé, il a été choisi de définir

une interface mécanique commune et des enveloppes d’encombrement par applications,
ceci afin de permettre l’interchangeabilité entre solutions provenant de différents four-
nisseurs.
Sur les études réalisées, le moteur impacte fortement la masse actionneur et demande
une conception spécifique afin de répondre aux critères antagonistes se présentant, mais
aussi aux fonctionnalités systèmes demandées (amortissement). Il n’empêche qu’un design
commun pourrait être trouvé : allègement rotor, frettage de meilleure qualité et un choix
de roulements à haute vitesse, carter modulaire en fonction des besoins de dissipation, afin
de repousser ces limites technologiques. Néanmoins, partant d’un cahier des charges
commun à plusieurs applications, il nous est pour l’instant impossible de dire si les niveaux
de puissance sont équivalents et si le fait de jouer sur le rapport de réduction et/ou la ci-
nématique un seul moteur pourrait couvrir la demande. Dans l’attente de nouveaux résul-
tats, le choix de standardiser uniquement l’interface permet de s’assurer un impact mas-
sique moindre.

La modularité peut être définie comme étant un moyen de customiser une solution
standardisée en offrant une flexibilité dans la construction de plusieurs variantes. Dans
[8], un produit modulaire est défini comme un assemblage de composants assurant des
fonctions diverses au travers de la combinaison de blocs élémentaires (modules).

3
Analyse des relevés de capteurs pour faire le diagnostic de fonctionnement des composants (usure)
 Toujours dans le même article, l’auteur guide le concepteur vers un partitionnement
fonctionnel (module de base, modules auxiliaires, modules d’adaptation et modules spéci-
fiques), partitionnement intéressant dès lors que le nombre de fonctions est important,
alors qu’un partitionnement orienté production est préférable dans les autres cas.
Dans [12], la modularité est dépeinte comme une similarité entre architecture phy-
sique et fonctionnelle conduisant à la minimisation des interactions entre composants. Ici,
trois grands types de modularité sont décrites : l’interchangeabilité des composants (di-
vers composants peuvent être intégrés à un même module), le partage de composants
entre des produits alternatifs et la modularité de type « bus » (permettant l’intégration
d’autant de modules souhaités, de n’importe quel type et à diverses positions).

On remarque que les définitions sont assez similaires et se recoupent avec souvent une
division fonctionnelle du produit, une définition claire des interfaces de sorte à comparti-
menter la conception et limiter les risques d’une refonte globale. La question est alors de
savoir ce qui a déjà pu être expérimenté et implémenté au niveau de la communauté scien-
tifique : une table récapitulative des travaux rencontrés dans la littérature a été proposée
dans [13]. Ces travaux sont comparés sur trois critères : les modèles et les méthodes mises
en place mais aussi les problèmes visés.

Il est intéressant de revenir brièvement sur certaines études qui ont mis en avant des
outils d’aide à la modularité, comme par exemple Lehtonen [9]. La méthode présentée
consiste à créer une matrice représentant les dépendances entre composants, matrice qui
sera ensuite diagonalisée (même technique que celle présentée dans le chapitre 4) faisant
apparaitre des regroupements de composants en fortes interactions : les modules. Un
autre outil, tout aussi intéressant et développé, cette fois, par Gunnar Erixon [14], l’outil
de déploiement de fonctions modulaires. L’idée phare est de considérer que la modularité
est introduite par une compagnie pour diverses raisons (« drivers ») de diverses natures.
Un composant peut alors être évalué selon ces raisons et reçoit un niveau de priorité. La
somme est alors calculée et si elle dépasse un certain niveau (défini par la compagnie), le
composant est candidat à la modularité. L’étape suivante consiste à opérer des regroupe-
ments d’éléments mettant en avant les mêmes conditions de modularité, autour d’un com-
posant d’importance. Si l’on prend l’exemple de la Figure 4.32, le grip et le couvercle peu-
vent alors être couplés au carter (« housing ») sur le critère de style.
 Figure 4.32 – La matrice de calcul d’indices de modularité [14]

Cette technique présente un inconvénient majeur : elle conduit très souvent à un

grand nombre de modules résultant d’une trop grande diversité des raisons de modularité
ou « drivers ». C’est pourquoi Erixon a parallèlement introduit la « maison de déploiement
des fonctions modulaires », technique qui prend à la fois en compte la perspective fonc-
tionnelle mais aussi les problématiques d’interfaces.

Figure 4.33 – La maison de déploiement des fonctions modulaires [14]

 Enfin un dernier outil, présenté par Lehtonen, la « plus modularité ». Il s’agit en fait
de structurer les besoins client sous forme d’un arbre avec à un même niveau, potentielle-
ment des besoins différents d’un client à l’autre. Sur l’exemple présenté, les intervalles de
maintenance de l’huile étant différents d’un client à l’autre, des réservoirs de tailles diffé-
rentes devront s’interfacer sur le module moteur.

Figure 4.34 – Structuration des besoins client : la « plus modularité » [9]

Dans ces deux sections traitant de la standardisation et modularité ont été abordés les
concepts généraux ainsi que certaines méthodes pour procéder à des regroupements
d’organes et/ou de fonction de manière à créer des modules. Ces derniers devront alors
être validés sur des indicateurs de performance comme : les coûts de fabrication, de main-
tenance mais aussi la disponibilité ou encore la performance de module (notamment en
terme de masse embarquée ou durée de vie) vis-à-vis de développements spécifiques.

Concernant la modularité, on a évoqué le PDE dont l’architecture est organisée autour

de divers modules interchangeables. La modularité vient aussi de l’adaptation du faisceau
des capteurs courant, où la modification de shunt permet de passer d’une configuration à
3 câbles à une configuration 6 câbles, et enfin il est possible de citer les cartes de com-
mande et monitoring qui partagent le même hardware mais un programme différent.

C’est le principal composant sur lequel un effort certain a été mis concernant l’aspect
modulaire. Pour les composants mécaniques seul l’écrou de la vis à rouleaux présente un
aspect modulaire. Mais des concepts de carter interchangeables ou adaptables (privilé-
giant un refroidissement convectif plus ou moins important avec éventuellement des dis-
sipateurs vissés) pourraient être des solutions à investiguer.
 Dans ce chapitre ont été présentés différents cas d’étude réalisés au cours de cette
thèse de manière à illustrer les apports des logiciels développés et leur intégration dans le
processus global de dimensionnement préliminaire. Pour certains cas d’application, où
lorsque l’étude peut être cloisonnée, des logiciels spécifiques peuvent grandement accélé-
rer le travail de conception : logiciel NLG-Kinematics, analyse cinématique… Concernant
le logiciel YouSpecify, il permet de faire le lien/l’interface dès lors que le problème de con-
ception devient collaboratif. Même si l’analyse et la simplification de profils de mission
(reprise du Chapitre 2) n’ont pas été développées ici, il s’agit d’étapes clés du processus
d’optimisation. D’ailleurs la part d’analyse a même été poussée plus loin sur le cas du train
d’atterrissage avec une transformation des spécifications temporelles en modèles
d’estimation paramétrés pour les indicateurs de performance (effort maximal, longueur
actionneur, course…).

L’utilisation de méta-modèles comme vecteur d’accélération des calculs dans une pla-
teforme exempte de simulations est une des idées phares de GraphSize (qui pour des rai-
sons de timing par rapport aux délivrables du projet ACTUATION2015, n’a pas permis
de mettre en place les procédures de calcul des fichiers Excel présentés, mais dont
l’utilisation devrait mener à un conditionnement identique du problème). Ces méta-
modèles ont pu être utilisés avec succès non seulement pour retranscrire les profils de mis-
sion d’un train d’atterrissage, mais aussi lors d’une étude de modélisation de lois
d’estimation de composants comme le carter, ou encore un réducteur assez particulier : le
GRA. Pour ce dernier, les résultats obtenus sont le fruit d’une collaboration étroite avec
l’université italienne Politecnico di Torino.

Enfin il est important d’insister sur la cinématique qui est souvent un levier dans
l’optimisation des actionneurs. Celle-ci ne peut être menée que lorsque les critères actifs
de conceptions sont connus, ce qui signifie que la conception n’est pas totalement intégrée
à une unique entreprise, mais issue d’un travail collaboratif. Des informations doit alors
être échangé pour mener à bien un prédimensionnement global. Car, et on l’a vu, dans le
cas de couplages de ces critères de dimensionnement, l’évolution de spécification peut
avoir un impact désastreux sur la solution obtenue, mais la cinématique a elle aussi un im-
pact potentiellement négatif.

Lors du dimensionnement, on s’est rendu compte que l’aspect thermique semblait être
assez souvent de première importance dans les applications dites continues (surfaces de
contrôle primaires). Le fait de prendre pour hypothèse une convection naturelle dans une
ambiance régulée facilite grandement les tests de validation, mais cela reste peu représen-
tatif des conditions de vol, où l’actionneur se retrouve dans un environnement confiné
(cellule avion) avec des échanges convectifs forcés à ses bords (au niveau de la peau).
C’est pourquoi des études sont menées au sein du laboratoire, afin de développer des mo-
dèles d’estimations thermiques avancés (de la résistance thermique de convection notam-
ment), modèles qui sont alors basés sur des résultats de calcul numérique de mécanique
des fluides (essentiellement 2D).
 [1] Liscouet J. & al., "Estimation models for the preliminary design of electromechanical
actuators," in Proceedings of the Institution of Mechanical Engineers, Part G:
Journal of Aerospace, 2012, pp. 243-259.
[2] Goupy J. & al., Introduction aux plans d'expériences, 3rd ed., Dunod, Ed., 2001.
[3] EUROCAE, "EUROCAE ED-14E: environmental conditions and test procedures for
airbone equipment," 2005.
[4] Hospital F. & al., "Preliminary design of aerospace linear actuator housings,"
Aircraft Engineering and Aerospace Technology, 2013.
[5] Davis M.A., "High performance electromechanical servoactuation using brushless
DC motors," in MOTOR-CON, Atlantic City, 1984.
[6] Foray D., "Standardisation et concurrence: des relations ambivalentes," Revue
d'économie industrielle, vol. 63, pp. 84-101, 1993.
[7] Perera H.S.C. & al., "Component part standardization: a way to reduce life-cycle
costs of products," International journal of production economics, 1999.
[8] Pahl G. & al., Engineering design: a systematic approach.: Springer-Verlad, 1988.
[9] Lehtonen T., "Designing modular product architecture in the new product
development," Tampere University of technology, Thèse de doctorat 2007.
[10] Miller T.D. & al., "Structuring principles for design - balancing product
performance with process efficiency," in CIRP international design seminar, 1999,
pp. 155-160.
[11] Junmin W. & al., "Standardizing components for product family - configuraton
design," in International technology and innovation conference, 2006, pp. 2308-
2315.
[12] Ulrich K. & al., "Fundamentals of product modularity," Management of Design, pp.
219-231 , 1994.
[13] Huang C.C., "Overview of modular product development," in National science
council ROC, 1999, pp. 149-165.
[14] Erixon G., "Modular function deployment (MFD), support for good product
structure creation," Centre for Industrial Engineering - Dalama University,
Stockholm, 1998.
 Le secteur aéronautique est en perpétuelle évolution afin de permettre aux avionneurs
de conserver une longueur d’avance sur un marché compétitif. Des innovations doivent
voir le jour pour repousser les limites actuelles de fiabilité et réduire les coûts opération-
nels et de développement. C’est dans ce contexte que sortent, ces dernières années, des
avions allégés par l’utilisation de matériaux composites, plus aérodynamiques (insertion
de winglets) et surtout comportant des motorisations plus performantes et avec un impact
environnemental moindre (rejets de CO2 et pollution sonore en baisse) ; on peut à ce titre
citer la modernisation de la famille Airbus avec l’appellation « NEO» - New Engine Op-
tion. D’autres pistes d’amélioration en termes d’économie d’énergie sont sous investiga-
tion au niveau de la recherche : il s’agit de l’avion plus électrique. L’objectif est de simpli-
fier les réseaux de puissance embarqués (pneumatique : pressurisation cabine,
hydraulique : actionnement, électrique – servitudes) à un seul réseau électrique hautement
reconfigurable. Cela permettrait une réduction de la masse, une amélioration des perfor-
mances moteur, mais et surtout, une plus grande flexibilité de fonctionnement et de ges-
tion des pannes. Le projet de recherche finançant cette thèse, ACTUATION 2015, con-
cerne la thématique de suppression du circuit hydraulique des systèmes d’actionnement
par un saut technologique vers des actionneurs électromécaniques. Le frein principal à
l’intégration de cette technologie est essentiellement économique avec des coûts de déve-
loppement et de fabrication prohibitifs. C’est pourquoi une standardisation des méthodes,
des outils de conception, des procédés de fabrication et des composants est étudiée. Ces
travaux se sont positionnés sur les deux premières parties afin d’aider le concepteur dans
la démarche de développement préliminaire.

La conception préliminaire s’inscrit dans la phase descendante du processus de déve-

loppement en V. Elle s’attache à la spécification des besoins d’un système d’actionnement
et à la dérivation/transformation de ces derniers en une définition spécifique des divers
composants architecturaux en vue d’obtenir une solution intégrée en adéquation avec les
attentes initiales. Il est donc essentiel d’anticiper au plut tôt les problèmes pouvant être
rencontrés, en apportant par exemple des outils de validation par prototypage virtuel et
des modèles de simulation dès la phase de prédimensionnement. Le principe est tout aussi
valable pour la phase de spécification qui, elle aussi, doit connaître une évolution pour in-
tégrer les problématiques inhérentes à cette nouvelle technologie, notamment concernant
l’échauffement, les fortes inerties rapportées qui impactent les performances, la fatigue de
roulement… Dans le Chapitre 1 nous avons synthétisé ces différents critères de conception
des composants électromécaniques et montré comment ces derniers devaient être pris en
compte pour la mise en place de scénarios de conception du système d’actionnement.
 Dans le Chapitre 2 nous nous sommes alors focalisés sur la phase rédactionnelle du ca-
hier des charge en proposant des outils au travers d’une librairie Simulink, YouSpecify,
qui permet la mise en place de profils de mission temporels, dorénavant incontournables,
par transformation de données issues de simulateurs numériques de vol ou par une géné-
ration interne au moyen de modèles paramétrés. Cette adaptation tient alors compte de la
dynamique requise et écarte les diverses imperfections d’échantillonnage ou assemblage.
Elle prend aussi en considération la cinématique à laquelle s’intègre le système
d’actionnement, souvent déporté pour des raisons d’encombrement. Dans cette partie nous
avons abordé les diverses analyses de sévérités, au travers d’indicateurs de performances,
qui permettent alors la comparaison mais aussi la simplification des profils. Cela présente
un avantage double : faciliter les travaux, en aval, de dimensionnement et de validation, et
permettre une dissémination restreinte du savoir avion.
Si la simulation au service de la phase de conception préliminaire présente un avan-
tage certain notamment lorsqu’il s’agit de valider la viabilité d’une solution, elle peut
s’avérer pénalisante à l’heure d’aborder un prédimensionnement optimisé, avec une explo-
sion des temps de calcul. C’est pourquoi nous avons proposé une méthode alternative de
dimensionnement, synthétisée dans le Chapitre 1. L’idée générale est d’identifier au
moyen d’un premier dimensionnement non optimisé les critères de conception à considérer
afin de simplifier la phase de définition du problème. L’ensemble des simulations (ex : éva-
luation de l’échauffement) et calculs numériques liés à la conception de détail d’un compo-
sant (ex : carter soumis à la vibration, réducteur épicycloïdal…) devront alors être rempla-
cés par des modèles mathématiques explicites approximant les phénomènes, tout ceci dans
le but d’obtenir une description du problème entièrement transparente.

Ces étapes de reformulation explicite du problème présentent plusieurs avantages :

acquérir du savoir, mais aussi être en mesure de le partager sous une forme simplifiée plus
intelligible et rendue facile à analyser, même pour des personnes externes au domaine ou
du moins non expertes. Nous avons rendu possible l’acquisition du savoir par la création
d’un outil, GraphSize (présenté dans le Chapitre 3), au travers duquel la description des
composants d’une architecture et de leurs limites peut se hiérarchiser dans une librairie
(ou packages). Ceci découle d’une propriété propre aux problèmes de conception de sys-
tèmes mécatroniques, le fait que ceux-ci soient scindables en deux couches : la couche
composants, qui capitalise les connaissances des divers domaines technologiques et permet
d’accéder aux principales caractéristiques et limites des composants utilisés, et la couche
mécatronique, qui décrit les scénarios d’utilisation (flux de puissances ou d’informations)
du système et permet de lier les spécifications systèmes aux caractéristiques des compo-
sants. Mais les capacités d’une telle description ne s’arrêtent pas à la synthèse du pro-
blème puisqu’il est possible en utilisant des d’algorithmes et heuristiques issus de la théo-
rie des graphes, et judicieusement combinés, de conditionner le problème de manière à le
rendre solvable sur des plateformes grand public de calcul comme Excel ou Matlab. Ceci
signifie alors aider le concepteur dans la démarche de résolution des problèmes de singula-
rité (problème sur/sous-contraint) mais aussi de bouclage algébrique (déplacé et géré par
la surcouche d’optimisation).
 Le mécanisme de résolution est alors transparent avec une définition claire des don-
nées figées (cahier des charges), à optimiser (entrées du solveur), les objectifs à minimi-
ser/maximiser et enfin les contraintes à respecter. Nous avons, par conséquent, implémen-
té ces différentes propositions, avec succès, dans un outil logiciel Matlab afin de
démontrer l’opérabilité de l’agencement des différents algorithmes. Des études typiques
nous ont permis d’illustrer les principaux problèmes de dimensionnement qu’il est possible
de rencontrer : sous-contraintes, sur-contraintes et boucles algébriques.

Nous avons aussi illustré la méthodologie générale de dimensionnement, proposée au

cours du Chapitre 1, sur plusieurs cas aéronautiques dans le Chapitre 4. Cette méthode de
résolution peut bien entendu être étendue à d’autres secteurs et pas nécessairement can-
tonnée aux projets mécatroniques mais à l’ensemble des problèmes de synthèse de sys-
tèmes technologiques multi-physiques. Les études présentées correspondent à des confi-
gurations industrielles différentes en terme de management de projet : la première où la
conception préliminaire du système global est à la charge d’un seul acteur, les seconde et
troisième où la conception passe par un travail collaboratif entre intégrateur / systémier /
équipementier.
Dans le premier cas, l’utilisation de méta-modèles a permis de diminuer de manière
très importante les temps de calcul de la procédure d’optimisation sous contraintes mul-
tiples de l’intégration géométriques. Ainsi la convergence de la solution est passée de plu-
sieurs jours à quelques minutes.
Dans le cadre d’un travail collaboratif, les échanges d’informations entre partenaires
ont pu se faire à l’aide de profils de missions simplifiés ou sous la forme de méta-modèles
afin d’être intégrés dans la procédure de dimensionnement. Cette procédure, même si elle
ne peut conduire à une optimisation globale permet de mettre en avant les critères de con-
ception actifs. Pour les systèmes d’actionnement étudiés, le dimensionnement final a ré-
sulté d’un compromis entre deux critères principaux, l’inertie / la thermique ou la vitesse
maximale / la thermique. Il est alors possible d’utiliser ces résultats au niveau intégrateur
afin d’optimiser, séparément, la cinématique.

A l’issue de cette thèse, plusieurs pistes de travaux sont encore envisageables afin no-
tamment d’apporter une richesse supplémentaire aux outils et modèles développés.
En ce qui concerne la représentation du problème de conception, il serait intéressant
de travailler sur la visualisation graphique des modèles dans les couches proposées ici. A la
suite du prototype Matlab, un essai Java a été réalisé mais une représentation à base de
diagrammes SysML pourrait également s’envisager pour décrire les scénarios de concep-
tion de la couche mécatronique ou les connaissances de la couche composants (dia-
grammes paramétriques).
Concernant l’étape de conditionnement du problème, des fonctions telles que l’analyse
syntaxique poussée (grammaire) ou encore la réinjection successive des paramètres
d’entrée par reformulation des étapes de calcul pourront apporter de la robustesse au pro-
cessus (élimination des équations redondantes).
 Des fonctionnalités supplémentaires pourront en découler, comme la reformulation des
objectifs comme équations fonction uniquement des entrées du problème. Il sera alors pos-
sible de mener des analyses de sensibilité symbolique.
Enfin, la formulation du dimensionnement étant proche de celle de la programmation
par satisfaction de contraintes, des techniques de propagation d’intervalles pourraient
être ajoutées afin de restreindre l’espace d’optimisation et accélérer la résolution, mais
aussi pour valider la présence d’une solution.
Finalement sur les modèles composants représentant le savoir de domaines spécifiques,
leur génération pourrait être systématisée par l’utilisation de méthodes de méta-
modélisation avant d’être capitalisés sous la forme de librairies métiers. Nous avons no-
tamment montré que l’échauffement moteur est souvent un critère actif d’impact majeur
sur la conception (illustré ici par les applications de surface de contrôle primaires). Le pa-
ramétrage du modèle à deux corps proposé est basé actuellement sur l’hypothèse d’une
convection naturelle dans une ambiance thermique donnée, hypothèse conservatrice mais
critiquable lorsque l’on sait que les conditions réelles de vol correspondent à un espace
confiné en échange convectif forcé avec l’environnement extérieur (au niveau des peaux
des ailes). De plus, une partie des pertes générées par le moteur, est drainée par le carter
d’assemblage. C’est pourquoi des travaux sur la réduction de modèles numériques de mé-
canique des fluides est un point d’amélioration important afin de mieux appréhender les
phénomènes d’échange et de pouvoir spécifier avec une plus grande certitude les perfor-
mances attendues.
 Le système vis-écrou est l’élément au centre de la conception des actionneurs électro-
mécaniques linéaires de par sa fonction de transformation de mouvement mais aussi la
problématique de panne au grippage qu’il peut présenter. Ce composant possède un en-
semble de critères de dégradation qu’ils soient rapides ou graduels (présentés dans le
Chapitre 1) mais aussi des imperfections impactant les performances globales de
l’actionneur (élasticité et asservissement) et notamment le dimensionnement des compo-
sants en aval du flux de puissance inverse (rendement-frottements). Ces deux aspects se-
ront brièvement dépeints ici sous forme condensée des résultats présentés dans l’article
[1].

Pour le premier aspect, seule la raideur de contact est difficile à déterminer et dépend
du montage (possibilité d’ajouter des rouleaux et d’effectuer un appairage de manière à
supprimer le jeu), mais aussi du type d’écrou (simple, préchargé ou double).

Figure A1.1 – Répartition des efforts de contact sur une vis préchargé – constructeur Rollvis [2]

La raideur est non linéaire et peut être évaluée au moyen des formules de pression
d’Hertz en considérant la précontrainte Fpr de montage et la charge de fonctionnement Fl.

Figure A1.2 – Schématisation d’une précharge (contacts rouleaux-vis et rouleaux-écrou) [1]

 Le contact d’Hertz lie la déformation δx à l’effort de contact Fc. Pour un contact
sphère/plan, la formule est (K, un facteur dépendant de la géométrie et des matériaux de
contact):
d x = K .Fc 2 / 3 (A1.1)
Le facteur K peut différer entre les contacts 1 et 2, notamment si le filet n’est pas sy-
métrique. Dans le cas où il serait identique, l’effort de précharge est donné par la formule :
F pr = (x0 K )3 / 2 (A1.2)
Comme cela est expliqué dans [1], mais aussi dans les catalogue de vis-écrou, il est
possible d’approximer la raideur par une formule linéaire en fonction du signe de Fl, et ce
tant que cet effort reste dans l’intervalle [-2,[Link] ; 2,[Link]], soit avant rupture d’un des
deux contacts :
0 £ Fl £ 2,83.F pr Þ Fc2 » F pr + 0,[Link] & Fc1 » F pr - 0,[Link] (A1.3)
-2,83.F pr £ Fl £ 0 Þ Fc2 » F pr + 0,[Link] & Fc1 » F pr - 0,[Link] (A1.4)

Concernant le second aspect, les frottements, il s’agit d’une combinaison de plusieurs

effets : des frottements secs plus importants à vitesse faible pour rompre les liaisons, puis
un frottement visqueux (lié au lubrifiant) augmentant avec la vitesse, le tout dépendant
du chargement. Comme expliqué dans [3], le coefficient de frottement peut
s’exprimer sous la forme suivante :
é æV ö
2ù
m = m c + (m s - m c ). exp ê- çç ú + f .V
g
÷ (A1.5)
ê è Vs ÷ ú v g
ë ø û
Où μc est le coefficient de frottement de coulomb, μs l’effet Stribeck avec pour vitesse
seuil Vs et fv le coefficient de frottement visqueux, Vg correspondant à la vitesse de glisse-
ment entre vis et écrou.

Cette formulation est un peu trop complexe et difficilement paramétrable en phase

amont de projet (utilisée après caractérisation sur des essais). C’est pourquoi il est préfé-
rable de déterminer les efforts de frottement au moins au moyen des rendements cata-
logue et de la précharge.
Si Fl est positive, l’effort de frottement peut s’écrire sous la forme :
F f = Fc1 h d - h i .Fc 2 (A1.6)
Dans le cas où le rendement indirect n’est pas donné, il est possible de l’estimer au
moyen de la formule (préconisée par le fournisseur de composant SKF [4]) :

hi = 2 - 1 h d (A1.7)
C’est pourquoi, au final la force de frottement à vide peut s’estimer uniquement à par-
tir de la précharge et du rendement direct :

F f 0 = 2F pr .(1 h d - 1) (A1. 8)
 D’une manière générale, et comme cela est indiqué dans [3], il est recommandé de
choisir des vis avec un angle d’hélice important (>2°) afin de s’assurer des rendements
corrects et une bonne réversibilité (ηi>0,9.ηd).

[1] Mare J.-C., "Friction modelling and simulation at system level - considerations to
load and temperature effects," Journal of Systems and Control Engineering , 2014.
[2] Rollvis, "Vis à rouleaux satellites," Catalogue constructeur 2007.
[3] Karam W., "Générateurs de forces statiques et dynamiques à haute puissance en
technologie électromécanique," Insa de Toulouse, Toulouse, Thèse de doctorat 2007.
[4] SKF, "Roller screws," Catalogue constructeur 2003.
 Le moteur électrique sans balais à aimants permanents est lui aussi un élément essen-
tiel dans la conception d’un actionneur électromécanique puisqu’il réalise la conversion de
puissance. Son design se trouve souvent impacté par l’évacuation de l’échauffement dû
aux pertes. Ces imperfections seront alors présentées dans un premier temps avec les for-
mules de calcul qui leur sont associées avant d’aborder la modélisation thermique à pro-
prement parler.

Les pertes sont en général de deux types :

- Les pertes dites « fer » qui apparaissent au sein de l’empilement des tôles du stator.
Elles cumulent les pertes induites par les courants de Foucault PF (limitées par le
feuilletage) et les pertes par hystérésis PH [1]. Il se trouve qu’elles sont respectivement
proportionnelles au carré de la fréquence de rotation du champ f (et donc à la vitesse
de rotation du moteur ω) et directement à la fréquence/vitesse. C’est pourquoi une
formule simplificatrice peut être utilisée.
Pf = PF + PH = b1. f 2 + b 2 . f » b . f 1,5 = b '. f 1,5 (A2.1)
- Les pertes joules PJ ou « cuivre » proportionnelles au carré du courant I, soit au carré
du couple électromagnétique C (prépondérantes sur un moteur-vitesse). Elles sont
dues à la résistance électrique des bobines.
PJ = a .I 2 = a '.C 2 (A2.2)

Maintenant que les formules d’expression des pertes ont été présentées, il convient de
parler du/des modèle(s) thermique(s) pouvant être utilisés pour estimer l’échauffement du
moteur sur un profil de mission thermique donné. Ainsi la Figure A2.1présente dans un
premier temps un modèle deux corps (schéma et modèle Dymola) et sa correspondance
physique ainsi qu’un modèle simplifié à un corps.

Le premier corps correspond aux bobines du stator et est modélisé par une capacité
thermique Cth1, le second corps est alors l’assemblage de tôles du stator de capacité ther-
mique Cth2. Il existe ensuite une résistance de conduction Rth1 entre les bobines et les tôles
(isolant électrique), mais aussi entre les tôles, le carter et l’environnement Rth2. Alors que
la résistance de conduction tôles-carter peut être négligée (pâte thermique), la résistance
de convection carter-environnement est de première importance.
 Il se trouve que l’hypothèse faite pour l’ensemble des calculs de validation (et notam-
ment ceux présentés au Chapitre 4) était jusqu’à présent une convection naturelle dans
une ambiance à température donnée. Il se trouve que l’environnement avion ne correspond
pas exactement à cette hypothèse et des perspectives d’amélioration (en cours d’étude)
seront exposées dans le Chapitre 4.

Figure A2.1 – Modèles thermiques du moteur électrique 1 ou 2 corps [2]

Les pertes Joules sont dans la majorité des cas prépondérantes devant les pertes fer.
C’est pourquoi sur les schémas présentés (équivalence électrique) la source de courant est
celle des pertes Joules.

[1] Grellet G., "Pertes dans les machines tournantes," Techniques de l'ingénieur, no.
D3450, 1989.
[2] Budinger M. & al., "Optimal preliminary design of electromechanical actuators,"
Journal of Aerospace Engineering, vol. 228, no. 9, pp. 1598-1616, 2014.
 Le module de puissance est en général choisi sur des critères de performance transi-
toire. Néanmoins, ses imperfections, et principalement les pertes, ont un impact direct sur
le dimensionnement d’autres composants : les dissipateurs thermiques.
Comme cela a pu être expliqué dans le Chapitre 1, elles sont de deux types : les pertes
par conduction et commutation [1]. Des formules d’estimation sont alors présentées et
serviront à estimer les températures de jonction et de peau au moyen du modèle thermique
de la Figure A3.2.

Les pertes par conduction Pcond des transistors MOSFET ou IGBT et des diodes cor-
respondent aux pertes Joule dans leur état passant. Pour une commande sinusoïdale en
courant d’amplitude crête IMAX et de fréquence fsw, les pertes s’estiment à partir de :
I MAX 2 é 8 ù
Pcond _ MOS = RDSON . .ê1 + .m. cos (j )ú (A3.1)
8 ë 3p û
I é p ù I MAX 2 é 8 ù
Pcond _ IGBT = VCE 0 . MAX .ê1 + .m. cos (j )ú + RC . .ê1 + .m. cos (j )ú (A3.2)
2p ë 4 û 8 ë 3p û
2
I MAX é p ù I é 8 ù
Pcond _ DIODE = VD0 . .ê1 - .m. cos (j )ú + RD . MAX .ê1 - .m. cos (j )ú (A3.3)
2p ë 4 û 8 ë 3p û
Où m représente la modulation de courant, VCE0 et VDE0 les chutes de tension respecti-
vement aux bornes du transistor et de la diode sans tenir compte de la résistance de corps
additionnelle, en série (cf. Figure A3.1), notée RC et RD. L’angle φ correspond au dépha-
sage entre le courant et la tension du moteur et dépend des caractéristiques (résis-
tance/inductance) des bobines. Pour les MOSFET, aucun courant ne peut rentrer par la
grille, si bien que la chute de tension est nulle et la formule se résume aux pertes dans la
résistance en mode passant (direct) RDS,ON.

Figure A3.1 – Modèle électrique d’un IGBT en conduction [2]

 On remarque que la fréquence de commutation n’a pas d’influence sur les pertes par
conduction, seul le courant moyen compte. Ceci n’est pas le cas pour les pertes par com-
mutation (ou « switching losses » en anglais) Psw.
(
Psw _ MOS = Eon _ MOS + Eoff _ MOS ). f sw (A3.4)
Psw _ IGBT = (Eon _ IGBT + Eoff _ IGBT ). f sw (A3.5)
Psw _ DIODE = (Eon _ DIODE + Eoff _ DIODE ). f sw » Eon _ DIODE. f sw (A3.6)
Où Eon, Eoff correspondent aux énergies perdues lors des transitions non-passant →
passant et vice-versa. Pour maitriser ces pertes, la fréquence de commutation (change-
ment d’état) doit alors être limitée.

Afin d’estimer les températures de jonction, mais aussi de peau (au contact du dissipa-
teur), un modèle thermique doit être utilisé. Comme la dynamique thermique des transis-
tors et diodes est rapide, un modèle en régime permanent (ou ne considérant que la dyna-
mique du dissipateur) peut être utilisé. Il est présenté Figure A3.2.

Figure A3.2 – Modèle thermique en régime semi-transitoire des IGBT-MOS/diodes [3]

La figure met en évidence deux chemins de puissance : celui des diodes PD et celui des
transistors PT. L’hypothèse prise est, encore une fois, un environnement à température
fixe. L’élévation de température du dissipateur Td s’évalue donc au moyen des pertes to-
tales en connaissant la résistance de convection dissipateur-environnement Rthde. Connais-
sant par ailleurs les résistances de conduction socle composant-dissipateur Rthcd (pâte
thermique) et jonction-socle Rthjc, il est possible d’évaluer la température de jonction du
transistor TT ou de la diode TD et de la comparer à la valeur critique donnée par le cons-
tructeur.
[1] Turpin C., "Développement, caractérisation des pertes et amélioration de la sûreté de
fonctionnement d'un ondulateur multicellulaire à commutation douce," INP, Toulouse,
Thèse de doctorat 2001.
[2] Wikipédia. Transistor bipolaire à grille isolée. [Online].
[Link]
[3] Morczinek D., "Preliminary design for reliability and lifetime prediction of
electromechanical actuator systems," Institut Clément Ader, Toulouse, Thèse de
master 2012.
 La spécification d’un actionneur suit les règles de bonne pratique de l’ingénierie des
exigences [1]. Le dossier de spécification technique correspond alors à l’étape de défini-
tion des besoins techniques du système d’actionnement.
Un plan type est alors proposé dans [1].
1 – INTRODUCTION
1.1 – Objet
1.2 – Documents relatifs
1.3 – Terminologie
2 – PRESENTATION DU SYSTEME
2.1 – Finalité, mission et objectifs du système
2.2 – Contexte organique et fonctionnel du système (périmètre du système)
2.3 – Parties prenantes
3 – EXIGENCES TECHNIQUES
3.1 – Exigences fonctionnelles
3.1.1 – Modes et scénarios opérationnels (actif, amortisseur/passif, dégradé/secours,
maintenance…)
3.1.2 – Fonctions de l’actionneur (limitation d’effort, repli actif, « Health-
monitoring »…)
3.2 – Exigences d’interface
3.2.1 – Interfaces fonctionnelles (données/signaux échangés avec les autres systèmes
avion, protocoles, propriétés de l’interface)
3.2.2 – Interfaces physiques (enveloppe, connecteurs physiques)
3.3 – Exigences de performance (charge typique-limite-extrême, vitesse, jeu, élastici-
té, performances dynamiques, erreur statique, inertie rapportée, amortissement
en mode passif…)
3.4 – Exigences opérationnelles
3.4.1 – Exigences d’ergonomie et de facteurs humains
3.4.2 – Exigences de sûreté de fonctionnement (sécurité, fiabilité : taux de défail-
lance déconnexion-« runaway 1»-grippage, durée de vie/maintenabilité et test
associés)
3.4.3 – Exigences d’environnement opérationnel (thermique, vibratoire, électroma-
gnétique… : documents associés)
3.4.4 – Exigences de transport et de stockage (thermique, vibratoire, hygromé-
trique…)

1
Le « runaway » correspond à une perte du capteur de position conduisant à un choc en fin de course
à pleine vitesse.
 3.5 – Contraintes
3.5.1 – Contraintes physiques (masse, inertie…)
3.5.2 – Contraintes de conception et réalisation (conception à masse minimale/fiab-
ilité maximale, non utilisation de certaines technologies, choix de compo-
sants/matériaux, protections…)
3.5.3 – Contraintes de production (épaisseurs minimales de fabrication, complexité
des pièces…)
3.5.4 – Contraintes de règlementation
3.5.5 – Contraintes de coûts et de délai de fabrication du produit
3.6 – Exigences de validation et de certification (procédures de validation : documents
associés)

Les actionneurs EMA font alors apparaître de nouvelles exigences de performance

avec des profils thermiques associés, mais aussi en terme de sûreté de fonctionnement
(taux de grippage) ou encore d’environnement opérationnel (hypothèses thermique : flux
d’air, température de la cellule avion, conductivité de la structure…).
Concernant les exigences d’environnement, il est possible d’en nommer deux couram-
ment utilisées en aéronautique : EUROCAE ED14/RTCA DO160 et ABD0100.

Il s’agit de ne pas confondre le dossier des spécifications techniques où le besoin

s’exprime en connaissance de la solution adoptée, avec le cahier des charges haut niveau,
qui est plus une description fonctionnelle du système. Il est d’ailleurs bon de s’y reporter
lorsque des sauts technologiques ont lieu car il arrive que certaines solutions techniques
découlant d’une fonction de haut niveau ne soient plus ou difficilement applicable en l’état
et méritent une adaptation.

[1] Collectif AFIS, Guide Bonnes Pratiques en Ingénierie des Exigences, Cépaduès, Ed.,
2012.
 Cette annexe reprend le détail des calculs conduisant à l’obtention des grandeurs
d’intérêt du profil polynomial et présente un profil additionnel à deux seuils de vitesse.

Le profil polynomial/parabolique :
Pour rappel, le profil polynomial de position a une écriture de la forme suivante :
r (t ) = a0 + a1.(t - t0 ) + a2 .(t - t0 ) 2 + a3 .(t - t0 )3 + ...+ an .(t - t0 ) n (C.01)

v(t ) = a1 + 2.a2 .(t - t0 ) + 3.a3 .(t - t0 ) 2 + ...+ [Link] .(t - t0 ) n -1 (C.02)

A(t ) = 2.a2 + 6.a3 .(t - t0 ) + ...+ n.(n - 1).an .(t - t0 ) n - 2 (C.03)

J (t ) = 6.a3 + ...+ n.(n - 1).(n - 2).an .(t - t0 ) n -3 (C.04)

A l’ordre 5, les conditions aux limites en terme de déplacement, vitesse et accélération
induisent a0=r0, a1=a2=0 . Les coefficients restants sont alors obtenus par inversion matri-
cielle, technique de résolution classique d’un système d’équations linéaires :
-1
é a3 ù é Dt Dt 5 ù éDr ù
3
Dt 4
êa ú = ê[Link] 2 [Link] 3 ú
[Link] 4 ú .êê 0 úú
ê 4ú ê
(C.05)
êë a5 úû ê [Link] [Link] 2 [Link] 3 úú êë 0 úû
ëê û
Ce qui conduit à :
Dr Dr Dr
a3 = 10. , a4 = -15. , a5 = 6. (C.06)
3 4
Dt Dt Dt 5
En réécrivant les formules temporelles des position/vitesse/accélération et jerk du pro-
fil d’ordre 5 :
æ (t - t0 ) 3 (t - t0 ) 4 (t - t0 )5 ö÷
r (t ) = r0 + ç10. - 15. + 6. .Dr (C.07)
ç D t 3
D t 4
D t 5 ÷
è ø
æ (t - t0 ) 2 (t - t0 )3 (t - t0 ) 4 ö÷ Dr
v(t ) = ç 30. - 60. + 30. . (C.08)
ç Dt 2
D t 3
D t 4 ÷ Dt
è ø
æ (t - t0 ) (t - t0 ) 2 (t - t0 )3 ö÷ Dr
ç
A(t ) = 60. - 180. + 120. . (C.09)
ç Dt Dt 2 Dt 3 ÷ø Dt 2
è
æ (t - t0 ) (t - t0 ) 2 ö÷ Dr
J (t ) = ç 60 - 360. + 360. . (C.10)
ç D D 2 ÷ 3
è t t ø Dt
L’astuce consiste alors à remplacer (t-t0)/Δt par X et de déterminer la valeur maximale
des divers polynômes sur l’intervalle [0 ; 1]. La démonstration n’est pas développée davan-
tage.
 D’autres profils :
Il n’est pas rare de voir apparaître d’autres types de profils plus simples au niveau de
l’asservissement et des capteurs associés, donc économiques, mais bien plus brutaux en
termes de vibrations/chocs… Il est possible d’évoquer les profils se faisant à vitesse fixe
(limitation de tension moteur) et avec une accélération mesurée (limitation du courant
moteur). Sur de tels profils, les fins de course sont alors détectées par des capteurs de fin
de course ou par le pic de courant demandé. Ces derniers conduisent donc à des chocs
amortis mécaniquement par des butées. Une évolution de ces profils consiste à limiter les
vitesses de démarrage/arrêt à un seuil inférieur lors de passage devant des capteurs
d’approche. Cela a pour effet de limiter les chocs/contraintes engendrés et la fatigue mé-
canique des pièces.

Figure C.1 – Profil à deux paliers de vitesses (courbes d’accélération et vitesse) [-]

Figure C.2 – Profil à deux paliers de vitesses (courbe de position) [-]

 Les transitions de vitesse apparaissent pour une certaine course (Δr 1 et Δr2) corres-
pondant à la distance des capteurs à la position d’origine. En fonction de l’emplacement
de ceux-ci, le profil aller/retour peut ne pas être symétrique.

On sait que pour une accélération infinie, et afin d’avoir une vitesse maximale finie, la
vitesse du palier bas doit vérifier :
Dr
v1 > æç1 + Dr1 - Dr2 ö÷. (C.11)
è Dr Dr ø Dt
Pour que l’accélération ne soit pas infinie, la vitesse maximale devra vérifier :
æ Dr2 - Dr1 ö
ç Dr Dr ÷ø
vmax > è .v1 > v1 (C.12)
éDt.v1 æ Dr2 Dr1 ö ù
+ - -1
êë Dr çè Dr Dr ÷øúû

Amax = .
[
vmax3 - X 3 + 2. X 2 - 3. X + 1 ]
avec X=
v1
[Link] æ Dr2 - Dr1 ö.(1 - a ) vmax (C.13)
ç Dr Dr ÷ø
è
Pour que le problème admette une solution Amax positive, il faut que [-X3+2.X2-
3.X+1]<0, soit vmax≤2,32.v1. Cela signifie que l’on peut encadrer vmax en combinant avec
l’équation (C.12). Donc, une solution existe si et seulement si :
æ Dr2 - Dr1 ö
ç Dr Dr ÷ø
1< è < 2,32 (C.14)
éDt.v1 æ Dr2 Dr1 ö ù
+ - -1
êë Dr çè Dr Dr ÷øúû
Dernière remarque : si le profil n’est pas identique quel que soit le sens de fonctionne-
ment (Δr1/Δr≠(1-Δr2/Δr), alors en ayant les mêmes saturations d’accélération et de vi-
tesse, les calculs précédents sont à réaliser en choisissant le sens de calcul tel que :
Dr1 æ Dr2 ö
³ ç1 - ÷ Þ Dt £ Dt ref (C.15)
Dr è Dr ø
 La conception des carters d’actionneurs implique de s’intéresser aux contraintes ty-
piques de fonctionnement : souvent une combinaison de la contrainte normale due à
l’effort de traction/compression, mais aussi de la contrainte due à la flexion générée par le
frottement des embouts (points de fixation de l’actionneur). Néanmoins dès que leur lon-
gueur, une fois déployé, passent une valeur critique (typiquement des actionneurs de taille
supérieure à 35 cm), la tenue en vibration devient le critère critique de conception. C’est
pourquoi une étude analytique théorique, appuyée par des retours d’essais, a été réalisée et
synthétisée dans un article scientifique [1], regroupant quelques règles de calcul de bonne
conception. Parmi ces règles on retrouve deux modèles analytiques (un et deux-corps) ba-
sés sur la théorie de Rayleigh et une méthode avancée d’assemblage de matrices de trans-
fert pour traiter des géométries plus complexes. Lors de la phase de prédimensionnement,
la géométrie est sujette à des variations car le prototype n’est pas encore totalement ma-
ture. C’est pourquoi le modèle bicorps analytique a été utilisé durant la phase de prédi-
mensionnement et sera succinctement présenté dans cette annexe.

La vibration en flexion d’un tube métallique peut être étudiée par les formules de ré-
sistance de matériau. Pour établir la formule d’équation d’onde, un élément volumique,
portion de cette « poutre », peut être isolé, de manière à déterminer le déplacement ortho-
gonal au moyen notamment de la seconde loi de Newton [2]:
[
U ( x, t ) = Re A( x). je - jwt ] (D.01)
Equation admettant comme solution théorique :
A( x) = [Link](kx) + b. cos(kx) + [Link](kx) + d . cosh(kx) (D.02)
où k dépend de la pulsation et les coefficients a, b, c et d des conditions aux limites.

Si l’on considère la géométrie d’un carter bicorps présentée Figure D.1, une approxi-
mation polynomiale, plus simple, de la déformée peut être prise comme hypothèse puisque
pour un carter mono-corps ce genre de considération a mené à des résultats proches de la
forme sinusoïdale théorique entachés d’une erreur faible (<4%).

Figure D.1 – Géométrie du carter bicorps [-]

 La déformée s’exprime alors :
ì ( ( 3 (2 (3 1 (
ïu ( x )=1+b. x + (b-br-r-1). x +(1-b-r-br). x + ( 3-3b-2r-2br).x 4
ï 1
5 5
í (D.03)
ïu ( x( )=1+bx(+ 3 (b-br-r-1).x( 2+ 1 (1-b-r-br).x( 3+ 1 ( 3 + 3b- 2 + 2b ).x( 4
ï
î
2
5r r 5 r r
où le rapport r est fonction des modules de Young Ei et moment quadratique Ii des
deux portions de carter :
E2 .I 2
r= (D.04)
E1.I1
En appliquant l’approche Lagrangienne [3], les masse et raideur équivalentes peuvent
s’exprimer en fonction d’un paramètre inconnu b, solution (avec la pulsation ω) du sys-
tème d’équations suivant, maximisant le déplacement :
ìM eqw 2 - K eq = 0
ï
í ¶M eq 2 ¶K eq (D.05)
ï w - =0
î ¶b ¶b

La masse et la raideur modale ont alors une forme polynomiale fonction de b, les coef-
ficients étant calculés au moyen de la géométrie et des matériaux.
ì r1 S1 L (1113 + 399.r + 38.r ² ) r 2 S 2 L (38 + 399.r + 1113.r ² )
ïa1 = 2 31500
+
2 31500.r ²
ï
ï
M eq = a1 .b² + b1 .b + g 1 with íb1 = 1 1
r S L (- 7686 - 840.r + 76.r ² ) r
+ 2 2
S L (- 76 + 840.r + 7686.r ² )
(D.06)
ï 2 31500 2 31500.r ²
ï r1S1 L (17073 - 1239.r + 38.r ² ) r 2 S 2 L (38 - 1239.r + 17073.r ² )
ïg 1 = 2 +
î 31500 2 31500.r ²
ì 8.E1 I1 (456 + 108.r + 36.r ² ) 8.E 2 I 2 (36 + 108.r + 456.r ² )
ïa 2 = +
ï L3 125 L3 125.r ²
ï 8.E1 I1 (- 912 + 72.r ² ) 8.E 2 I 2 (- 72 + 912.r ² )
K eq = a 2 .b² + b 2 .b + g 2 with íb 2 = + (D.07)
ï L3 125 L3 125.r ²
ï 8.E1 I1 (456 - 108.r + 36.r ² ) 8.E 2 I 2 (36 - 108.r + 456.r ² )
ïg 2 = +
î L3 125 L3 125.r ²
A la première fréquence propre d’excitation, les déplacements sont maximaux, ce qui
conduit à déterminer la fréquence mais, et surtout le paramètre b, solution du polynôme
d’ordre 2 suivant :
ì 2
ïïw 0 = a 2 b + b 2 b + g 2
í a1b 2 + b1b + g 1 (D.08)
ï
ïî(a1 b 2 - a 2 b1 )b 2 + (2a1g 2 - 2a 2g 1 )b + (b1g 2 - b 2 g 1 ) = 0
 La contrainte maximale est alors obtenue lorsqu’une excitation d’accélération sinu-
soïdale de pulsation, la pulsation propre du système, est établie.
a(t ) = a0 .sin(w0 .t ) (D.09)
Si l’on se ramène au système masse ressort 1D équivalent, l’effort d’excitation peut
être calculé au moyen de la formule de l’effort total, soit :
é r .S .L æ 3 3b ö r .S .L ù
F0 = a0 .ê 2 2 .ç 67 + 17b - + ÷ - 1 1 .(- 67 + 17b + 3r + 3br ) + M rapportée ú (D.10)
ë 200 è r r ø 200 û
La contrainte maximale dans chaque carter est obtenue au moyen des formules :
ì æ d1 ö 24
ï s 1,max = ç + e1 ÷.[Link] max. (b - br - r - 1)
ï è 2 ø 5L ² F0
í où Du max = .Q (D.11)
ïs 2,max = æç d 2 + e2 ö÷.E 2 .Du max. 24 (b - br - r - 1) K eq
ï
î è 2 ø 5L ² r
Avec Q le coefficient de qualité du matériau supposé égal à 30 comme valeur typique
[4], en l’absence de donnée supplémentaire sur le matériau métallique.

[1] Hospital F. & al., "Preliminary design of aerospace linear actuator housings," Aircraft
Engineering and Aerospace Technology, 2013.
[2] Gerardin M. & al., Théorie des vibrations, Masson, Ed., 1993.
[3] Lagrange J.-L., Mécanique analytique - Tome 1.: Mallet Bachelier, 1853.
[4] European Aviation Safety Agency, "Certification specifications and acceptable means
of compliance for large aeroplanes ," CS-25, 2013.
 A la vue des résultats présentés dans le Chapitre 4, le moteur est un composant clé de
la conception des systèmes d’actionnement des surfaces de contrôle primaires. Afin
d’accélérer la sélection de solution architecturale par comparaison de dimensionnement
préliminaire, le savoir des spécialistes doit être retranscrit par un ensemble de modèles
d’estimation. Ceci permet d’inverser le problème, puisque l’ensemble des caractéristiques
secondaires du composant (dimension, masse, propriétés thermique, pertes…) découlent
des critères de définition primaire (ici le couple de saturation) et non plus d’une concep-
tion détaillée.

Pour ce faire des lois d’échelle peuvent être définies, lois se basant sur une similitude
géométrique (évolution homothétique des dimensions), des matériaux identiques et des
phénomènes physiques dominants inchangés.

Figure E.1 – Evolution homothétique d’un moteur brushless cylindrique r’/r=l’/l [-]

Ainsi il est possible d’exprimer l’ensemble de l’évolution des caractéristiques secon-

daires en fonction de l’évolution des paramètres de définition du composant. La notion de
rapport proposée par M. Jufer sera utilisée :
x
x* = (E.01)
x ref
où xref correspond à la valeur du paramètre x pour le composant pris comme référence.
Les lois d’échelle permettent alors d’extrapoler les propriétés communes à une technologie
à partir d’une unique référence et s’avèrent relativement fidèles et ce tout en couvrant un
large domaine de puissance (de quelques centaines de watts à plusieurs kilowatts). Leur
utilisation en aéronautique s’explique par un manque de données constructeurs (absence
de catalogue). En se basant alors sur l’expérience de projets précédents, il est possible
d’estimer le composant s’approchant le plus des besoins énoncés.
 Les étapes de calcul présentées en détail dans les documents [1,2,3] ne seront pas rap-
pelées ici, où seul un tableau récapitulatif des résultats utiles aux études du Chapitre 4
sera présenté. Le paramètre n correspond au nombre d’enroulements du cuivre et peut
être utilisé dès lors qu’un rebobinage est envisagé.
Paramètre Unités Lois d’estimation
Définition
Couple de saturation Nm C sat (E.02)
Tension d’alimentation V *
U = n .l * * (E.03)
Intégration
Longueur et diamètre m l * = C sat *1/ 3,5 (E.04)
Masse kg M * = C sat *3 / 3,5 (E.05)

Simulation
Inertie kg.m² J mot * = C sat *5 / 3,5 (E.06)

Coefficient de pertes Joule W/(Nm)² a * = C sat *-5 / 3,5 (E.07)

Coefficient de pertes fer W/(rad/s)1,5 b * = C sat *3 / 3,5 (E.08)

Résistance(s) thermique K/W Rth * = C sat *-2 / 3,5 (E.09)

Capacité(s) thermique J/K Cth * = C sat *3 / 3,5 (E.10)
Constante de temps thermique s t th * = C sat *1/ 3,5 (E.11)

Constante de couple Nm/A K * = U * .C sat *1/ 3,5 (E.12)

Résistance électrique Ω R* = U *2 .C sat *-1/ 3,5 (E.13)

Inductance électrique H L* = U *2 .C sat *1/ 3,5 (E.14)

Limite opérationnelles
Couple thermique permanent Nm Cnom* = C sat * (E.15)
Vitesse maximale mécanique rad/s w meca* = C sat *-1/ 3,5 (E.16)

Vitesse maximale électrique rad/s wélec* = U * .n*-1.l *-3 (E.17)

Vitesse maximale thermique rad/s wther * = C sat *-1/ 5,25 (E.18)

Tableau E.1 – Lois d’échelle du moteur brushless cylindrique (similitude géométrique) [1]

[1] Liscouet J. & al., "Estimation models for the preliminary design of electromechanical
actuators," in Proceedings of the Institution of Mechanical Engineers, Part G:
Journal of Aerospace, 2012, pp. 243-259.
[2] Budinger M. & al., "Chaînes de transmission de puissance mécatroniques - modèles
d'estimation," Techniques de l'ingénieur, no. BM8026, 2013.
[3] Budinger M. & al., "Mise en place des modèles d’estimation pour la conception
préliminaire," Techniques de l'ingénieur, no. BM8025, 2011.