Infrared Signature Prediction for Low Observable Air Vehicles - Archive ouverte HAL
Communication Dans Un Congrès Année : 2020

Infrared Signature Prediction for Low Observable Air Vehicles

Prédiction de la signature infrarouge des aéronefs furtifs

Résumé

Infrared Stealth is an important aspect in the design and performance assessment of the future combat aircraft. In this paper, we propose a statistical approach based on an aircraft signature code to assess the impact of different technology choices. As simulations can be computationally demanding, we set-up and validate a multifidelity surrogate model, close to the real one but faster to compute, in order to estimate sensitivity indices and to perform dispersion analysis. The value of our approach is illustrated for a typical air-to-ground scenario based on the UCAV Muldicon test case defined in the AVT-281 group. The first part of this paper describes the models used to compute the infrared signature of the Muldicon as part of the in-house code CRIRA for the skin, air intake, nozzles and plumes, in the surrounding environment. The statistical approach is then discussed through different steps: building a surrogate model and identifying influential inputs. The statistical analysis is performed for a stabilized flight (fixed altitude, Mach and engine thrust). We finally obtain dispersion of the infrared signature, with a hierarchy from the most to the less influent parameter, for different observer locations.
Il y a un besoin croissant de signatures infrarouges de véhicules aérospatiaux, tant pour la défense que pour des applications civiles. Divers modèles ont été développés à cette fin par les constructeurs aéronautiques, les concepteurs de capteurs ou les laboratoires de recherche, dans le but de prévoir la Signature InfraRouge (SIR) d'aéronefs. La furtivité IR est un point important à prendre en compte dans la conception et l'évaluation de la performance d'un futur avion de combat et il est donc nécessaire d'employer les outils de simulation les mieux adaptés aux spécificités de la nouvelle génération d'avions discrets. Les surfaces chaudes de la cellule de l'avion telles que les parties arrière du fuselage, les tuyères et les entrées d'air, ou les gaz chauds du jet propulsif, sont les contributeurs principaux à la SIR des avions non furtifs. Cependant, ils sont beaucoup moins marqués pour la nouvelle génération d’avions : d’une part, les parties chaudes sont parfois situées à l’intérieur de la cellule de sorte qu’elles ne sont pas vus directement, et d’autre part, la forme du jet propulsif devient plus complexe pour améliorer la dilution des gaz et réduire la signature. En conséquence, le rayonnement de la cellule comprenant l’émission propre et les reflets de l’environnement, ainsi que le rayonnement des parties chaudes vues de manière indirecte après reflets sur de parties internes peuvent devenir prédominants pour les aéronefs furtifs. Cet article traite de l’outil de simulation CRIRA, développé à l’Onera depuis plusieurs années, dédié à la prédiction de la signature optique et IR d’aéronefs à combustion aérobie (missiles, avions) ainsi que d’objets hors atmosphère (missiles balistiques dans leur phase non propulsée, satellites). Un focus sera fait dans le domaine applicatif de la prédiction IR d’avion discrets (furtifs), un des principaux domaines traités dans les groupes AVT-232 (Joint Exercise on IR Signature Prediction, 2014-2016) et AVT-281 (Cross-Domain Platform EO Signature Prediction, 2017-2019). CRIRA est un outil de simulation multi disciplinaire prenant en compte les contributeurs principaux à la SIR : la peau de la cellule, les parties de la cellule chauffées par le moteur, les entrées d’air, les tuyères et les jets propulsifs, en environnement extérieur. Chaque modèle élémentaire sera décrit avec son objet, sa formulation et son domaine d’emploi. Les sorties de la simulation sont des images spectrales d’avions, et les valeurs intégrées spatialement sur le champ du capteur et spectralement sur la bande totale. Deux cas test sont proposés pour illustrer les capacités de CRIRA. Le premier est le S_duct, proposé par le FOI dans le groupe AVT-232, qui met en avant l’emploi d’une méthode d’illumination globale, cette dernière étant indispensable pour gérer les reflets lumineux à l’intérieur du corps de l’avion. Le choix du niveau de complexité de la méthode de rendu dépend de l’application. Les modèles d’illumination direct sont les plus simples, mais ils sont inefficaces dans ce cas, car ils ne peuvent pas simuler les multi réflexions de la lumière. La méthode de lancer des rayons gère plusieurs rebonds de lumière, mais se limite à des reflets de miroirs parfaits. L’approche de l’illumination globale est nécessaire pour gérer les interactions lumineuses avec divers types de réflectivité. Cependant, il est toujours difficile d’effectuer un rendu précis dans un temps de calcul raisonnable, et des études sont menées à Onera pour exploiter les performances des GPUs pour diminuer le temps de calcul. La figure présentée ici montre les images calculées d’un conduit dont la surface est chaude d’un côté, où le rayonnement de cette dernière peut être vue à l’intérieur du conduit de manière directe et indirecte, pour trois angles d’aspect. Ces images ont été calculées dans la bande LWIR avec un démonstrateur de CRIRA sur GPU pour accélérer les calculs. La figure présentée montre des comparaisons avec les mesures faites avec la caméra IR, et on peut constater un bon accord. Le second cas de simulation est un résultat sur une plateforme complète. L’objectif est de prédire la SIR du MULDICON, un UCAV générique, cas test proposé par le DLR dans le groupe AVT-281. Les données d’entrée telles que la géométrie de l’UCAV, la température de la cellule, les propriétés optiques de la peau et le champ aérodynamique du jet sont fournies par le DLR aux participants du groupe de travail, l’objectif de cet exercice étant de comparer et de partager des bonnes pratiques pour le calcul de la SIR d’avions. La figure présentée est un exemple de calcul obtenu avec CRIRA dans la bande MWIR, où on peut observer les contributions de la peau de la cellule et des jets, pour une vue par l’avant et le dessus. Des résultats complémentaires seront calculés en 2019 pour être comparés aux outils de simulation des autres pays du groupe AVT-281. Introduire de la variabilité dans le modèle est nécessaire dans la phase de conception de l’avion, afin d’évaluer l’impact sur la SIR de différents choix technologiques et cela dans divers scénario. Les données d’entrées ne sont pas indépendantes (par exemple la vitesse, l’altitude et la température sont corrélées), et faire varier chaque donnée séparément n’est pas efficace. Nous avons développé une approche statistique en quatre étapes basée sur CRIRA, elle permet l’obtention de la dispersion de la SIR d’un avion pour un scénario donné. Tout d’abord, on a besoin d’identifier et de modéliser les incertitudes associées à chaque entrée. Les informations opérationnelles et les bases de données sont des outils essentiels pour cette étape. Ensuite, une analyse de sensibilité basée sur un plan d’expériences space filling est effectuée, afin d’identifier quelles données d’entrée sont vraiment significatives et lesquelles ont peu d’influence sur la sortie. L’analyse Quasi Monte Carlo de la dispersion des sorties de code peut alors être réalisée en tenant compte uniquement des entrées influentes. La méthode de quasi-Monte Carlo utilise des séquences déterministes de points qui peuvent améliorer significativement la précision des approximations de l’échantillonnage aléatoire Monte Carlo. Comme une simulation peut être coûteuse sur le plan informatique, nous avons mis en place et validé un modèle de substitution multifidélité de la SIR, proche du modèle réel, mais plus rapide à calculer pour estimer les indices de sensibilité et effectuer l’analyse de dispersion par Quasi Monte Carlo. Ce modèle de substitution repose sur des simulations de deux niveaux de fidélité. Les simulations à haute fidélité fournissent les résultats les plus précis mais, en raison de leur coût élevé, la base de données associée est de taille réduite. D’autre part, les simulations de faible fidélité sont peu coûteuses, de sorte que la base de données associée peut être plus riche. L’approche multifidélité permet d’obtenir un modèle de substitution à haute fidélité sous la forme d’une somme d’un modèle de substitution à faible fidélité et d’un modèle de substitution de la différence (erreur) entre les simulations à haute et à faible fidélité. L’intérêt de notre approche sera illustrée pour un scénario air-sol typique.
Fichier principal
Vignette du fichier
MP-AVT-324-08.pdf (485.33 Ko) Télécharger le fichier
Origine Fichiers éditeurs autorisés sur une archive ouverte

Dates et versions

hal-03073766 , version 1 (04-01-2021)

Identifiants

Citer

Eric Coiro, Sidonie Lefebvre, Romain Ceolato. Infrared Signature Prediction for Low Observable Air Vehicles. AVT-324 Specialists’ Meeting on Multi-disciplinary design approaches and performance assessment of future combat aircraft, NATO, Sep 2020, Online, Canada. pp.MP-AVT-324-08, ⟨10.14339/STO-MP-AVT-324-08⟩. ⟨hal-03073766⟩
211 Consultations
719 Téléchargements

Altmetric

Partager

More