Les entreprises de l’industrie aérospatiale et de la défense utilisent MATLAB et Simulink à tous les niveaux de maturité technologique, depuis les prototypes jusqu’à leurs systèmes de sécurité et de mission critiques les plus importants. Utilisés dans le cadre de programmes ambitieux comme le F-35 Joint Strike Fighter et le Mars Exploration Rover, MATLAB et Simulink accélèrent la recherche et le développement dans des domaines tels que les systèmes autonomes, les hypersoniques et les systèmes de télécommunications avancés, ainsi que l'hybridation et l'électrification des aéronefs.
Le Model-Based Design contribue à réduire les risques inhérents aux programmes (performance, calendrier, intégration) grâce à la simulation du design très tôt dans le process et la génération de code. Autre avantage : Simulink pour l'ingénierie système crée un lien numérique permettant la traçabilité entre les exigences, l'architecture, le design, le code généré automatiquement et les artefacts de test. Cette approche garantit l’intégrité du design et facilite la gestion du changement dans les systèmes complexes, le tout dans un environnement unique.
Dans le cadre de la « troisième vague » de l'intelligence artificielle, les experts métier s'appuient aussi sur MATLAB et Simulink pour développer des solutions d'IA visant à réaliser des prédictions plus tôt et à améliorer la prise de décision. Avec MATLAB et Simulink, les équipes intègrent une multiplicité de sources de données et accélèrent l'implémentation d'algorithmes de Machine Learning, de Deep Learning et de Data Science dans leurs applications déployées sur du hardware ou dans le cloud.
« Le Model-Based Design nous a permis de bénéficier d'une plus grande visibilité sur le design fonctionnel du système. Nous avons également pu valider les exigences plus tôt que ce qui était possible auparavant, et simuler plusieurs défaillances de composants simultanément, ce qui nous permet de savoir ce qui va se passer et d'être certains que la logique de contrôle va nous permettre de tout gérer. »
Christopher Slack, Airbus
Utiliser MATLAB et Simulink pour l'industrie aérospatiale et la défense
Innover dans le domaine de l'aérospatiale avec MathWorks
Découvrez comment valoriser la modélisation et encourager la collaboration au-delà du design de systèmes individuels pour couvrir également le design de systèmes de systèmes complexes
Ingénierie système
L'ingénierie système joue un rôle toujours plus crucial dans la gestion d’exigences et d’architectures complexes et l'intégration de multiples domaines pour garantir la livraison de systèmes offrant des performances exceptionnelles et une sécurité maximale. Simulink propose un environnement de modélisation et d'analyse d'architecture simple à utiliser et qui permet une synchronisation complète des exigences avec l’approche Model-Based Design.
MATLAB et Simulink soutiennent les workflows d'ingénierie numérique en permettant aux utilisateurs de :
- Capturer, visualiser, analyser et gérer les exigences via un lien numérique (33:33) qui offre une traçabilité bidirectionnelle entre les exigences, l'architecture, le design et l'implémentation et supporte l’analyse de couverture et d'impact des changements
- Développer et examiner les modèles d'architecture système à partir de n'importe quelle combinaison d'exigences, de modèles Simulink existants, de documents de contrôle d'interface (ICD) et d'architectures créées en externe
- Réaliser des études de compromis basées sur les données pour comparer, analyser, et optimiser les architectures système
- Générer automatiquement des rapports pour la couverture, les cas de test, les ICD et les bugs
- Simuler la composition du système pour vérifier le comportement au niveau système
- Se conformer aux normes de sécurité de l'industrie telles que DO-178C, DO-254, et ARP-4754
En savoir plus
- Le Model-Based Design dans l'aérospatiale et la défense (53:22)
- Introduction à Requirements Toolbox (2:25)
- Vérification et validation des modèles jusqu'au code
- Automatiser la vérification et la validation avec Simulink
- La vision de MathWorks en matière de vérification et de validation systématique (16:11)
- Workflow du logiciel DO-178C avec génération de code qualifié (15:25)
- La digitalisation avec des outils MBSE (0:40)
- Architecture orientée services
Découvrir les produits
Contrôle de vol et contrôle moteur
Appuyez-vous sur la simulation pour concevoir et tester des systèmes de contrôle critiques avant de générer automatiquement du code, qui sera ensuite intégré dans la plateforme physique. Accélérez le cycle de développement en facilitant la conception pour différents scénarios et configurations de plateforme, testez en mode hardware-in-the-loop et qualifiez la logique de contrôle par rapport aux normes de sécurité comme DO-178C, le tout dans un même environnement.
MATLAB et Simulink permettent aux ingénieurs contrôle de :
- Démarrer et construire plus vite des modèles avec de nombreux exemples de contrôles de vol, des modèles 6-DoF, des modèles d'environnement et des modèles de véhicule comme le HL-20 de la NASA
- Modéliser le véhicule complet et ses sous-systèmes
- Utiliser des outils prédéfinis pour régler automatiquement des contrôleurs multivariables (7:52) et tirer parti de stratégies de contrôle avancées, comme le contrôle prédictif et le contrôle robuste.
- Concevoir et résoudre la logique de détection de panne, d’isolement et de remise en route
- Générer automatiquement du code optimisé pour les microprocesseurs et FPGA
- Effectuer la vérification et la validation, et vérifier la conformité aux normes de sécurité
Témoignages clients
- Vol sans pilote du Centaur d'Aurora (0:39)
- Bell Helicopter effectue un premier vol parfait (4:39)
- Airbus développe un système de gestion de carburant pour l'A380 avec le Model-Based Design
- Gulfstream Aerospace développe un simulateur d'avion de type Pilot-in-the-Loop
- Le X-43A Scramjet de la NASA bat un record de vitesse en volant à près de Mach 10 en utilisant le Model-Based Design
- MATLAB et Simulink contribuent au processus d’atterrissage d'une navette spatiale Boeing sans pilote
Découvrir les produits
Conception de drones (UAV)
Les ingénieurs et chercheurs spécialisés dans les drones utilisent MATLAB et Simulink pour concevoir et ajuster des systèmes de contrôle et des algorithmes indépendants de la plateforme pour des missions de renseignement, de surveillance et de reconnaissance. Ils peuvent aussi modéliser des systèmes physiques, générer du code automatiquement et le vérifier au sein d’un seul environnement logiciel.
MATLAB et Simulink permettent aux ingénieurs de :
- Se connecter et contrôler des drones et leurs composants à partir de MATLAB et Simulink
- Communiquer avec la plateforme à l'aide du Robot Operating System (ROS) et MAVLink
- Simuler les capteurs classiques équipant les drones, comme le GPS, l'unité de mesure inertielle (IMU), le système de navigation inertielle (INS) et l'altimètre
- Co-simuler vos applications de drones en vous connectant directement à des simulateurs comme Gazebo et Unreal Engine
- Développer des algorithmes de contrôle indépendants du hardware et réaliser des tâches de localisation et de cartographie 3D simultanées (SLAM), de planification de trajectoires, et de génération de trajectoires avec le support natifs des quaternions
- Éliminer le codage manuel en générant du code automatiquement pour les microcontrôleurs, les FPGA, les PLC et les GPU, dans de nombreux langages
- Se connecter aux autopilotes de drones classiques, comme PX4, et au hardware low-cost, comme Raspberry Pi, avec des hardware support packages
- Travailler avec du code existant et s’intégrer dans des systèmes existants
Témoignages clients
- Accélérer la recherche sur les drones avec un hexacoptère prêt à voler et un logiciel de contrôle de vol
- Utiliser des drones pour combattre les feux de forêts
- Airnamics met au point un système sans pilote pour des prises de vues rapprochées avec le Model-Based Design
- BAE Systems Controls développe un pilote automatique pour drone
En savoir plus
- Série de vidéos sur la simulation et le contrôle de drones
- Planification des mouvements avec un RRT pour un drone à voilure fixe
- Fusion de capteurs et pistage avec MATLAB (39:15)
- Programmer des drones avec Simulink (33:49)
- Simuler des missions de quadricoptère avec Simulink et ROS (18:22)
- Simulation de drones avec MATLAB et Simulink (3:37)
- Modèle d'approximation haute-fidélité d'un drone avec le bloc UAV Guidance Model
Systèmes sans fil
Concevez, prototypez et testez des algorithmes avancés, des systèmes RF multifonctions et des réseaux d'antennes pour la prochaine génération de systèmes de télécommunications (27:30), de radar et de guerre électronique (35:28). Avec MATLAB et Simulink, les ingénieurs de recherche peuvent rapidement prouver la viabilité de nouveaux concepts technologiques, éliminer les problèmes de conception dès le début du cycle de développement et rationaliser la phase de vérification du design. Avec les outils MATLAB et Simulink, les ingénieurs peuvent :
- Modéliser et visualiser des scénarios complexes de communication et de radar dans des environnements à spectre dense
- Simuler des liaisons de communication de bout en bout incluant les composants en bande de base, RF et antenne
- Générer et analyser des formes d'onde standard (5G, LTE, WLAN) et personnalisées
- Modéliser des architectures de réseaux d'antenne et de beamforming avec Antenna Toolbox
- Modéliser la dynamique de systèmes radar terrestres, aéroportés ou navals avec des cibles et des plateformes radar mobiles
- Concevoir et simuler des systèmes multi-capteurs de pistage et de positionnement
- Créer des modèles de référence réutilisables pour la vérification itérative des designs, des prototypes et des implémentations
- Prototyper et tester les design d'algorithmes sur des radios logicielles comme USRP et PlutoSDR
En savoir plus
- Génération de formes d'onde avec MATLAB et une radio SDR (3:45)
- La 5G expliquée
- Cartographier la propagation RF pour les télécommunications (26:09)
- Beamforming hybride pour les systèmes d’antennes MIMO
- Développer avec et déployer sur une carte SDR
- Modélisation et analyse de systèmes RF
- Fusion de capteurs et pistage pour les systèmes autonomes
Intelligence artificielle pour l'aérospatiale et la défense
MATLAB et Simulink proposent une plateforme complète pour la résolution des défis de l'IA, de la maintenance prédictive à des tâches complexes comme l'identification de cibles multimodales. MATLAB convient également aux ingénieurs disposant d'une expérience limitée en IA et aide les équipes à obtenir de meilleurs jeux de données d’IA, à réduire les risques et à tester en continu les modèles au niveau système.
- Optimisez l'exploitation d’une flotte avec la maintenance prédictive et les jumeaux numériques (8:28), développez des algorithmes pour détecter et prédire les défauts et les pannes et estimer la durée de vie utile restante (9:34)
- Générez des données d’apprentissage et de test basées avec la simulation pour des applications comme les algorithmes de classification de formes d'onde et de cibles radar, et créez des systèmes de contrôle (22:32) complexes avec le Reinforcement Learning
- Utilisez des algorithmes de Deep Learning et de Machine Learning pour créer des modèles précis à partir de différents types de données, et testez différentes architectures avec des applications et des outils de visualisation
- Déployez les modèles n'importe où, notamment dans des GPU et CPU embarqués, des systèmes d'entreprise ou dans le cloud
Témoignages clients
- Lockheed Martin élabore des modèles à événements discrets pour prédire les performances du F-35
- Les chercheurs en bioacoustique de Cornell University mettent au point une plateforme de calcul haute performance pour l'analyse Big Data
- L'approche Grad-CAM dévoile les raisons des décisions du Deep Learning
En savoir plus
- Le Deep Learning pour le traitement du signal
- Apprentissage par transfert
- Maintenance prédictive
- Introduction à la maintenance prédictive avec MATLAB
- Machine Learning : sélection des caractéristiques et classification (4:01)
- Reinforcement Learning, partie 5 : surmonter les défis pratiques du Reinforcement Learning (16:07)