TITRE : Procédé de modélisation d'un système dynamique par réseau de neurones et dispositif correspondant.

La présente invention concerne le domaine de la modélisation d'un système dynamique, par exemple un circuit fluidique, et en particulier la modélisation par réseau de neurones.

Il existe de nombreux logiciels, par exemple Simulink, Spice, Xcos, Scilab, Modellica, pour modéliser des systèmes dynamiques composés de sous- systèmes en interconnectant des « boîtes », chaque boîte représentant ou modélisant le comportement dynamique d'un sous-système. Il s'agit de modélisation par couplage de blocs. Cela permet modéliser un système, simuler son comportement, décomposer le design avant son implémentation. La simulation est l'application du modèle pour un scenario donné (i.e des conditions limites, des excitations, etc). Un modèle peut donner lieu à plusieurs simulations différentes.

Il est en particulier connu d'utiliser ces logiciels pour modéliser et simuler le comportement fluidique d'un circuit fluidique. Ces logiciels, basés sur des méthodes numériques connues nécessitent des compétences très pointues en mathématique, pour interconnecter et paramétrer les modèles de chaque composant du circuit fluidique, et nécessitent des ressources en capacité de calcul très importantes. De plus ces logiciels ne permettent pas une simulation en temps réel pilotée par un système de contrôle commande.

L'invention a donc pour but de proposer une solution à tout ou partie de ces problèmes. A cet effet, la présente invention concerne un procédé de simulation d'un système dynamique comprenant les étapes suivantes :

- modélisation du système dynamique, le système dynamique comprenant un ensemble de composants, l'étape de modélisation du système dynamique comprenant les étapes suivantes :

- modélisation d'au moins un composant par un réseau de neurones configuré pour modéliser un comportement dynamique dudit composant, l'au moins un composant étant en interaction dynamique avec un sous-ensemble d'autres composants de l'ensemble de composants, l'étape de modélisation du comportement dynamique de l'au moins un composant par le réseau de neurone comprenant une phase d'apprentissage du réseau de neurones basée sur un ensemble de données d'apprentissage

- modélisation d'au moins un autre composant du sous-ensemble d'autres composants, par un autre réseau de neurones configuré pour modéliser un autre comportement dynamique dudit au moins un autre composant, l'étape de modélisation de l'autre comportement dynamique de l'au moins un autre composant par l'autre réseau de neurones comprenant une phase d'apprentissage de l'autre réseau de neurones, basée sur un autre ensemble de données d'apprentissage, le réseau de neurones et l'autre réseau de neurones comprenant chacun une couche d'entrée, la couche d'entrée du réseau de neurone comprenant au moins une partie de couche d'entrée du réseau de neurone, et la couche d'entrée de l'autre réseau de neurone comprenant au moins une partie de couche d'entrée de l'autre réseau de neurone, l'au moins une partie de couche d'entrée du réseau de neurone étant configurée pour recevoir en entrée du réseau de neurones des valeurs de paramètres physiques, correspondant à une partie de l'au moins un composant du système dynamique, l'au moins une partie de couche d'entrée de l'autre réseau de neurone étant configurée pour recevoir en entrée du réseau de neurones des valeurs de paramètres physiques correspondant à une partie de l'au moins un autre composant du système dynamique, ladite partie de couche d'entrée du réseau de neurones étant connectée à l'au moins une partie de couche d'entrée de l'autre réseau de neurones lorsque la partie de l'au moins un composant et la partie de l'au moins un autre composant ont une interface dynamique commune, de sorte que le réseau de neurones configuré pour modéliser l'au moins un composant et l'au moins un autre réseau de neurones configuré pour modéliser l'au moins un autre composant forment un réseau interconnecté de réseaux de neurones, le réseau interconnecté étant configuré pour modéliser un comportement dynamique d'au moins une partie du système dynamique, la partie comprenant ledit au moins un composant et ledit au moins un autre composant,

- simulation du comportement dynamique de l'au moins une partie du système dynamique comprenant ledit au moins un composant et ledit au moins un autre composant.

Selon un mode de mise en oeuvre, l'invention comprend une ou plusieurs des caractéristiques suivantes, seules ou en combinaison techniquement acceptable.

Selon un mode de mise en oeuvre, la couche d'entrée du réseau de neurones et la couche d'entrée de l'autre réseau de neurones comprennent chacune une autre partie de couche d'entrée configurée pour recevoir respectivement en entrée du réseau de neurones et en entrée de l'autre réseau de neurones des valeurs constantes de paramètres constructifs lesdits paramètres constructifs correspondant respectivement à l'au moins un composant modélisé par le réseau de neurones et à l'au moins un autre composant modélisé par l'autre réseau de neurones, et/ou des valeurs d'un état de l'au moins un composant ou de l'au moins un autre composant, et/ou d'une condition aux limites prédéfinie d'un paramètre physique de l'au moins un composant ou de l'au moins un autre composant.

Selon un mode de mise en oeuvre, les valeurs des paramètres physiques évoluent au cours d'une mise en oeuvre du procédé de simulation, en fonction de valeurs de paramètres constructifs d'un composant du système dynamique, et/ou en fonction d'une cause externe au système dynamique, la cause externe activant un changement d'une valeur d'un état du composant du système dynamique, et/ou en fonction d'une valeur prédéfinie d'une condition aux limites d'un paramètre physique.

Selon un mode de mise en oeuvre, une donnée d'entrée présentée à la couche d'entrée du réseau de neurones est une condition aux limites d'un paramètre physique du composant lorsqu'il n'y a pas d'autre composant en interaction dynamique avec ledit composant.

Selon un mode de mise en oeuvre, les valeurs des paramètres physiques reçues en entrée de chaque réseau de neurones du réseau interconnecté de réseaux de neurones comprennent, pour chaque paramètre physique, une suite de valeurs passées prises par ledit paramètre physique au cours d'un temps passé, et dans lequel chaque réseau de neurones est configuré pour calculer, pour chaque paramètre physique, une valeur suivante prise à un instant futur en fonction des valeurs passées, et dans lequel l'étape de simulation comprend une succession de pas de simulation pendant une période de temps de mise en oeuvre de l'étape de simulation, un pas de simulation comprenant les étapes suivantes mise en oeuvre successivement par chaque réseau de neurones du réseau interconnecté de réseaux de neurones:

- pour chaque paramètre physique, lecture de la suite des valeurs passées du paramètre physique par l'au moins une partie de couche d'entrée dudit réseau de neurones;

- pour chaque paramètre physique, détermination par le réseau de neurones de la valeur suivante de la suite en fonction de la suite des valeurs passées des paramètres physiques, et des valeurs des paramètres constructifs, et des valeurs des conditions aux limites, et d'un pas de temps correspondant au pas de simulation ;

- pour chaque paramètre physique, création d'une nouvelle suite des valeurs passées à partir de la suite des valeurs passées et de la valeur suivante calculée à l'étape précédente

- pour chaque paramètre physique, lecture de la nouvelle suite de valeurs passées par ladite au moins une partie de couche d'entrée du réseau de neurones,

- pour chaque paramètre physique, transmission de la nouvelle suite de valeurs passées à l'au moins une partie de couche d'entrée de l'autre réseau de neurone connectée à ladite au moins une partie de couche d'entrée du réseau de neurones.

Selon un mode de mise en oeuvre, la nouvelle suite des valeurs passées comprend toutes les valeurs de la suite des valeurs passées sauf la plus ancienne, et la valeur suivante calculée à l'étape précédente.

Selon ces dispositions, le procédé de simulation permet de connaître l'évolution au cours d'une période de temps des paramètres physiques de l'au moins un composant et de l'au moins un autre composant du système dynamique, en faisant circuler dans les deux sens l'impact des conditions aux limites.

Selon un mode de mise en oeuvre, le système dynamique est un circuit fluidique, et le comportement dynamique est un comportement fluidique, et l'interaction dynamique est une communication fluidique entre l'au moins un composant et l'au moins un autre composant.

Selon un mode de mise en oeuvre, le circuit fluidique comprend une vanne ou une conduite.

Selon un mode de mise en oeuvre, le circuit fluidique comprend plusieurs vannes, de différents types, et/ou plusieurs conduites, et/ou plusieurs autres composants du circuit fluidique, par exemple un ou plusieurs réservoirs, une ou plusieurs tuyères venturi, une ou plusieurs pompes, un ou plusieurs compresseurs, un ou plusieurs échangeurs de chaleur, un ou plusieurs filtres. Selon un mode de mise en oeuvre, les données d'entrée sont des valeurs de paramètres physiques de l'au moins un composant du circuit fluidique.

Selon un mode de mise en oeuvre, les paramètres constructifs d'une conduite du circuit fluidique sont au moins l'un parmi un diamètre de la conduite, une longueur de la conduite, une épaisseur de paroi de la conduite, une conductivité thermique de la conduite, une différence de hauteur entre une entrée et une sortie de la conduite, un rayon de courbure de la conduite.

Selon un mode de mise en oeuvre, les paramètres constructifs d'une vanne du circuit fluidique sont au moins l'un parmi un type de la vanne, un diamètre de la vanne.

Selon un mode de mise en oeuvre, les paramètres physiques comprennent une pression, un débit, une température.

Selon un mode de mise en oeuvre, une cause externe activant un changement d'un état d'une vanne du circuit fluidique est une commande d'ouverture ou de fermeture de la vanne qui fait passer la vanne d'un état fermé à un état ouvert ou réciproquement.

Selon un mode de mise en oeuvre, la phase d'apprentissage comprend l'utilisation de paramètres mesurés sur au moins un système dynamique réel et instrumenté et/ou de paramètres physiques résultants d'au moins une mise en oeuvre d'un procédé de simulation conventionnel basé sur une modélisation conventionnelle, par exemple une modélisation basée sur une résolution d'équations différentielles.

Selon ces dispositions, le procédé de simulation selon l'invention permet d'obtenir des performances beaucoup plus importantes, avec des temps de calcul beaucoup moins longs que les procédés de simulation conventionnels ; il permet d'accéder au temps-réel d'un système dynamique.

Selon un aspect, l'invention concerne également un dispositif de simulation pour la simulation d'un système dynamique, le dispositif comprenant un modèle d'un système dynamique comprenant un réseau interconnecté de réseaux de neurones, le système dynamique comprenant un ensemble de composants, un comportement dynamique d'au moins un composant étant modélisé par un réseau de neurones du réseau interconnecté, l'au moins un composant étant en interaction dynamique avec un sous-ensemble d'autres composants de l'ensemble de composants, un autre comportement dynamique d'au moins un autre composant dudit sous-ensemble étant modélisé par un autre réseau de neurones, le réseau interconnecté comprenant le réseau de neurones et l'autre réseau de neurones, une partie de couche d'entrée du réseau de neurones étant connectée à une partie de couche d'entrée de l'autre réseau de neurones, de manière à former le réseau interconnecté de réseaux de neurones.

Selon un mode de réalisation, l'invention comprend une ou plusieurs des caractéristiques suivantes, seules ou en combinaison.

Selon un mode de réalisation, le réseau de neurones et l'autre réseau de neurones sont configurés pour modéliser respectivement le comportement dynamique de l'au moins un composant et l'autre comportement dynamique de l'au moins un autre composant au cours d'une phase d'apprentissage respectivement du réseau de neurone et de l'autre réseau de neurones, la phase d'apprentissage étant basée respectivement sur un ensemble de données d'apprentissage et sur un autre ensemble de données d'apprentissage.

Selon un mode de réalisation, le système dynamique est un circuit fluidique, et le comportement dynamique est un comportement fluidique, et l'interaction dynamique est une communication fluidique entre l'au moins un composant et l'au moins un autre composant.

Selon un mode de réalisation, le circuit fluidique comprend une vanne ou une conduite.

Selon un mode de réalisation, les données d'entrée correspondent à des paramètres de l'au moins un composant du circuit fluidique, les paramètres comprenant des paramètres constructifs, et des paramètres physiques, les paramètres constructifs étant constants au cours d'une mise en oeuvre de la simulation, les paramètres physiques étant variables au cours d'une mise en oeuvre de la simulation.

Selon un mode de réalisation, les paramètres constructifs d'une conduite du circuit fluidique sont au moins l'un parmi un diamètre de la conduite, une longueur de la conduite, une épaisseur de paroi de la conduite, une conductivité thermique de la conduite, une différence de hauteur entre une entrée et une sortie de la conduite, un rayon de courbure de la conduite.

Selon un mode de réalisation, les paramètres constructifs d'une vanne du circuit fluidique sont au moins l'un parmi un type de la vanne, un diamètre de la vanne.

Selon un mode de réalisation, les paramètres physiques comprennent une pression, un débit, une température.

Selon un mode de réalisation, les données d'entrée correspondent à des paramètres de l'au moins un composant.

Pour sa bonne compréhension, un mode de réalisation et/ou de mise en oeuvre de l'invention est décrit en référence aux dessins ci-annexés représentant, à titre d'exemple non limitatif, une forme de réalisation ou de mise en oeuvre respectivement d'un dispositif et/ou d'un procédé selon l'invention. Les mêmes références sur les dessins désignent des éléments similaires ou des éléments dont les fonctions sont similaires.

[Fig. 1] est une représentation schématique d'un dispositif selon l'invention

[Fig. 2] est une représentation schématique du séquencement des étapes du procédé selon l'invention

L'invention permet de modéliser un système dynamique en modélisant chaque composant du système par un réseau de neurones et en interconnectant les réseaux de neurones correspondants aux différents composants du système considéré.

Un exemple de mise en oeuvre du procédé selon l'invention, et un exemple de réalisation d'un dispositif selon l'invention sont décrits ci-après en considérant un circuit fluidique comme le système dynamique à modéliser. Mais l'homme du métier comprendra que l'invention peut être mise en oeuvre avec tout type de système dynamique, par exemple un circuit électrique, un système mécanique, un système thermique, etc....

L'homme du métier comprendra également qu'il n'est pas nécessaire que tous les composants du système dynamique soient modélisés par des réseaux de neurones. Par exemple, certains peuvent être modélisés par des équations différentielles ou des tables discrètes.

Le dispositif selon l'invention comprend un modèle d'un système dynamique basé sur un réseau interconnecté de réseaux de neurones, le système dynamique comprenant un ensemble de composants.

Par exemple, le système dynamique peut être un circuit fluidique, comprenant par en particulier une ou plusieurs vannes V et une ou plusieurs conduites T1, T2. Plus particulièrement, le circuit fluidique comprend plusieurs vannes, de différents types, et/ou plusieurs conduites, et/ou plusieurs autres composants du circuit fluidique, par exemple un ou plusieurs réservoirs, une ou plusieurs tuyères venturi, une ou plusieurs pompes, un ou plusieurs compresseurs, un ou plusieurs échangeurs de chaleur, un ou plusieurs filtres.

Un comportement dynamique d'un composant est modélisé par un réseau de neurones ; par exemple, comme cela est illustré sur la figure 1, un premier réseau de neurones T1 est utilisé pour modéliser un premier tuyau d'un circuit fluidique, un autre réseau de neurones T2 est utilisé pour modéliser un autre tuyau du circuit fluidique, et enfin un troisième réseau de neurones V est utilisé pour modéliser une vanne du circuit fluidique.

Selon l'exemple considéré, le système dynamique à modéliser est un circuit fluidique comprenant deux conduites ou tuyau en communication fluidique au travers d'une vanne. Le dispositif de simulation de ce système dynamique comprend un réseau interconnecté de réseaux de neurones formé par un réseau de neurones T1 configuré pour modéliser le premier tuyau, connecté au réseau de neurones V configuré pour modéliser la vanne, connecté au réseau de neurones T2 configuré pour modéliser le deuxième tuyau.

Ainsi le réseau de neurones configuré pour modéliser un composant est connecté au réseau de neurones configuré pour modéliser un autre composant, si le composant et l'autre composant du système dynamique sont en interaction dynamique ; par exemple, dans le cas d'un circuit fluidique, un composant du circuit fluidique, par exemple un tuyau, et un autre composant du circuit fluidique, par exemple, la vanne, sont en interaction dynamique si le composant et l'autre composant sont en communication fluidique.

Par convention, il est ici considéré qu'un composant et un autre composant sont en interaction dynamique si et seulement si l'interaction dynamique est directe. Ainsi dans l'exemple du circuit fluidique, un composant et un autre composant sont en interaction dynamique directe si et seulement si les deux composants sont en communication fluidique directe. Par exemple, un des tuyaux et la vanne sont en interaction dynamique, car ils sont en communication fluidique directe entre eux ; en revanche, les deux tuyaux ne sont pas en communication fluidique directe, ils ne sont donc pas considérés comme étant en interaction dynamique, i.e. en communication fluidique, même si les deux tuyaux sont en communication fluidique indirectement via la vanne.

Donc le réseau de neurones configuré pour modéliser un composant est connecté au réseau de neurones configuré pour modéliser un autre composant, si le composant et l'autre composant du système dynamique sont en interaction dynamique (i.e. interaction dynamique directe).

Chaque réseau de neurones T1, V, T2 comprend une couche d'entrée ; la couche d'entrée du réseau de neurone V comprend au moins une partie de couche d'entrée CE1 _V , CE2 _V ; Chaque partie de couche d'entrée du réseau de neurones est configurée pour recevoir en entrée du réseau de neurones V des valeurs de paramètres physiques X ¹ _v , X ² _V , X ³ _V , Y ¹ _v , Y ² _V , Y ³ _V correspondant à une partie du composant modélisé par le réseau de neurones V. Typiquement une partie du composant correspond à une entrée du composant et une sortie du composant. Ainsi, si le système dynamique considéré est un circuit fluidique comprenant deux conduites ou tuyau en communication fluidique au travers d'une vanne, si le composant considéré est une vanne, une partie de la vanne sera une entrée de la vanne, et une autre partie de la vanne sera une sortie de la vanne. De même si le composant considéré est un tuyau. Ainsi, la partie de couche d'entrée CE1 _V est configurée pour recevoir en entrée du réseau de neurones V des valeurs de paramètres physiques X ¹ _v , X ² _V ,X ³ _V correspondant à l'entrée de la vanne modélisée par le réseau de neurones V, une autre partie de la couche d'entrée CE2 _V est configurée pour recevoir en entrée du réseau de neurones V des valeurs d'autres paramètres physiques Y ¹ _v , Y ² _V , Y ³ _V . Chaque réseau de neurones T1, V, T2 est ainsi configurée pour recevoir, sur une partie CE1 _T I, CE2 _T I, CE1v, CE2 _V , CE1 _T 2, CE2 _T 2 d'une couche d'entrée dudit réseau de neurones T1, V, T2, des valeurs de paramètres physiques, tels que température, pression, débit d'un fluide d'un circuit fluidique ; les valeurs X ¹ _v , X ² _V , X ³ _V de ces paramètres physiques évaluées au niveau d'une partie, par exemple d'une entrée du composant, étant reçue par une partie CE1 _V de la couche d'entrée du réseau de neurones modélisant ce composant ; les valeurs Y ¹ v, Y ² v, Y ³ v de ces mêmes paramètres physiques évaluées au niveau d'une autre partie, par exemple d'une sortie du composant, étant reçue par une autre partie CE2 _V de la couche d'entrée du réseau de neurones modélisant ce composant.

De même, l'autre réseau de neurone T1, T2 comprend au moins une partie de couche d'entrée CE1 _T I, CE2 _T 1, CE1 _T 2, CE2 _T 2, configurée pour recevoir en entrée du réseau de neurones T1, T2 des valeurs de paramètres physiques Y ¹ TI, Y ² TI, Y ³ TI, X ¹ _T2 , X ² T2, X ³ T2 correspondant à une partie du composant modélisé par ledit réseau de neurones T1, T2.

La partie de couche d'entrée CE1 _V , CE2 _V du réseau de neurones V est connectée à une partie de couche d'entrée CE1 _T I, CE2 _T I, CE1 _T 2, CE2 _T2 de l'autre réseau de neurones T1, T2 lorsque la partie du composant modélisé par le réseau de neurones V et la partie de l'autre composant ont une interface dynamique commune ; par exemple, lorsque le composant modélisé est une vanne, le réseau de neurones V modélisant la vanne comprend une partie de couche d'entrée C E1 _v configurée pour recevoir les valeurs des paramètres physiques évaluées au niveau d'une entrée de la vanne, et une autre partie de couche d'entrée CE2 _V configurée pour recevoir les valeurs des paramètres physiques évaluées au niveau d'une sortie de la vanne, l'entrée de la vanne étant physiquement raccordée à une sortie d'un tuyau modélisé par le réseau de neurones T1 et la sortie de la vanne étant physiquement raccordée à une entrée d'un tuyau modélisé par le réseau de neurones T2 ; alors, le réseau de neurones T1, qui comprend une partie de couche d'entrée C E2 _T I configurée pour recevoir les valeurs des paramètres physiques, par exemple température, pression, débit, évaluées au niveau de la sortie du tuyau, sera connecté au réseau de neurones V par la partie de couche d'entrée CE1 _V , et le réseau de neurones T2, qui comprend une partie de couche d'entrée CE1T2 configurée pour recevoir les valeurs des mêmes paramètres physiques, température, pression, débit, évaluées au niveau de l'entrée du tuyau, sera connecté au réseau de neurones V par la partie de couche d'entrée CE2 _V .

Autrement dit, comme cela est illustré sur la figure 1, le réseau de neurone T1 configuré pour modéliser un composant, par exemple un tuyau d'un circuit fluidique, en interaction dynamique (i.e. interaction dynamique directe) avec un autre composant, par exemple une vanne du circuit fluidique, a une partie de couche d'entrée CE2 _T I connectée à la partie de couche d'entrée CE1 _V de l'autre réseau de neurones V configuré pour modéliser l'autre composant, de manière à former ainsi une partie du réseau interconnecté de réseaux de neurones.

Le réseau de neurones T1 et l'autre réseau de neurones V sont configurés pour modéliser respectivement le comportement dynamique du composant, i.e. le tuyau, et l'autre comportement dynamique de l'autre composant, i.e. la vanne, au cours d'une phase d'apprentissage respectivement du réseau de neurone T1 et de l'autre réseau de neurones V, la phase d'apprentissage étant basée respectivement sur un ensemble de données d'apprentissage et sur un autre ensemble de données d'apprentissage.

En particulier, la couche d'entrée de chaque réseau de neurones V, T1, T2 comprend, outre les parties de couche d'entrée configurées pour recevoir les valeurs des paramètres physiques évaluées respectivement sur différentes parties du composant modélisé par ledit réseau de neurones V, T1, T2, une autre partie de couche d'entrée configurée pour recevoir en entrée dudit réseau de neurones V, T1, T2 des valeurs constantes de paramètres constructifs W i, W ² TI, W ³ TI, W ² _V , W ³ v, W ¹ _T2 , W ² T2, W3T3, lesdits paramètres constructifs correspondant respectivement audit composant modélisé par ledit réseau de neurones V, T1, T2, et/ou des valeurs d'un état E ¹ _v dudit composant, et/ou d'une condition aux limites CL1, CL2 prédéfinie d'un paramètre physique dudit composant.

Par exemple, dans le cas d'un tuyau, ou d'une conduite, d'un circuit fluidique les paramètres constructifs W ¹ _T i, W ² TI, W ² TI, W ¹ _T2 , W ² _T2 , W ³ _T2 qui définissent le composant comprennent notamment le diamètre, la longueur, l'épaisseur de paroi, la conductivité thermique, la différence de hauteur, un rayon de courbure du tuyau ou de la conduite.

Par exemple, une cause externe activant un changement d'un état E ¹ v d'une vanne du circuit fluidique est une commande d'ouverture ou de fermeture de la vanne qui fait passer la vanne d'un état fermé à un état ouvert ou réciproquement.

Les valeurs X ¹ _v , X ² _V , X ³ _V , X ¹ _T2 , X ² _T2 , X ³ _T2 , Y ¹ TI, Y ² TI, Y ³ TI, Y ¹ _V , Y ² _V , Y ³ _V des paramètres physiques, qui évoluent en fonction du temps, et en fonction des paramètres constructifs, et des causes externes ou des conditions aux limites appliqués au système dynamique considéré, comprennent, par exemple dans le cas d'un circuit fluidique, une pression, un débit, une température du fluide qui circule dans un circuit fluidique comprenant un tuyau, un vanne et un autre tuyau raccordé entre eux, la pression, le débit, la température étant évaluées respectivement en entrée et en sortie des différents composants du circuit fluidique. C'est l'objet de la simulation que de déterminer l'évolution de ces paramètres.

Les réseaux de neurones qui modélisent les composants du système dynamique considéré forment ainsi un réseau interconnecté de réseaux de neurones dans lequel une partie de couche d'entrée du réseau de neurones T1, V, T2 configuré pour modéliser un composant est connectée à une autre partie de couche d'entrée d'un autre réseau de neurones configuré pour modéliser un autre composant. Une condition aux limites CL1, CL2 est une valeur d'un paramètre physique du composant, ladite valeur étant prédéfinie ou imposée au cours de la simulation, lorsqu'il n'y a pas d'autre composant, du système dynamique considéré, qui soit en interaction dynamique avec ledit composant. Ainsi, une donnée d'entrée présentée à la partie de couche d'entrée du réseau de neurones T1, V, T2 est une condition aux limites CL du composant lorsqu'il n'y a pas d'autre composant du système dynamique considéré qui soit en interaction dynamique avec ledit composant.

Ainsi, chaque donnée d'entrée d'un réseau de neurones T1, V, T2 configuré pour modéliser, après la phase d'apprentissage, un composant du système dynamique est une valeur, évaluée à un instant de la simulation, d'un des paramètres physiques dudit composant au niveau d'une partie, i.e. entrée ou sortie, dudit composant, ladite donnée d'entrée étant reçue par la partie correspondante de couche d'entrée du réseau de neurones T1, V, T2.

Le type de fluide, dans le cas d'un circuit fluidique, n'entre pas en ligne de compte en première approche, car les réseaux de neurones sont conçus, i.e. notamment entraînés, spécifiquement pour un fluide donné. Ainsi, si on veut modéliser un circuit d'oxygène liquide, on utilise des réseaux de neurones d'une bibliothèque « oxygène liquide » ; et de même pour l'hydrogène liquide, le kérozène, l'air sec, etc. Le type de fluide n'est donc pas un paramètre (i.e. modifiable) du modèle ou de la simulation.

En particulier, les valeurs des paramètres physiques Y ¹ TI, Y ² TI, Y ³ TI X ¹ _V , X ² _V , X ³ _V , Y ¹ _V , Y ² _V , Y ³ v, X ¹ _T2 , X ² T2, X ³ T2 reçues en entrée de chaque réseau de neurones du réseau interconnecté de réseaux de neurones T1, V, T2 comprennent, pour chaque paramètre physique, une suite de valeurs passées évaluées successivement dans le temps pour ledit paramètre physique au cours d'une période de temps passée. Plus particulièrement, chaque réseau de neurones est configuré pour calculer, pour chaque paramètre physique, une valeur suivante prise à un instant futur en fonction des valeurs passées ; l'étape de simulation comprend ainsi une succession de pas de simulation pendant une période de temps, un pas de simulation comprenant les étapes suivantes mise en oeuvre successivement par chaque réseau de neurones du réseau interconnecté de réseaux de neurones T1, V, T2:

- pour chaque paramètre physique, lecture 1021 de la suite des valeurs passées du paramètre physique par l'au moins une partie de couche d'entrée CE1 _T I, CE2 _T I, CE1 _V , CE2 _V , CE1 _T 2, CE2 _T 2 dudit réseau de neurones T1, V, T2 ;

- pour chaque paramètre physique, détermination 1022 par le réseau de neurones de la valeur suivante de la suite en fonction de la suite des valeurs passées des paramètres physiques, et des valeurs des paramètres constructifs, et des valeurs des conditions aux limites, et d'un pas de temps correspondant au pas de simulation ;

- pour chaque paramètre physique, création 1023 d'une nouvelle suite des valeurs passées à partir de la suite des valeurs passées et de la valeur suivante calculée à l'étape précédente

- pour chaque paramètre physique, lecture 1024 de la nouvelle suite de valeurs passées par ladite au moins une partie de couche d'entrée du réseau de neurones,

- pour chaque paramètre physique, transmission 1025 de la nouvelle suite de valeurs passées à l'au moins une partie de couche d'entrée de l'autre réseau de neurone connectée à ladite au moins une partie de couche d'entrée du réseau de neurones.

Selon ces dispositions, le procédé de simulation permet de connaître l'évolution au cours d'une période de temps des paramètres physiques d'un composant et d'un autre composant du système dynamique, en faisant circuler dans les deux sens l'impact des conditions aux limites. La phase d'apprentissage comprend l'utilisation de paramètres mesurés sur au moins un système dynamique réel et instrumenté et/ou de paramètres physiques résultants d'une mise en oeuvre d'un procédé de simulation conventionnel basé sur une modélisation conventionnelle, par exemple une modélisation basée sur une résolution d'équations différentielles. Les données d'apprentissage issues de la simulation classique peuvent compléter les jeux de données d'apprentissage issues de l'instrumentation de systèmes réels, pour extrapoler le domaine de fonctionnement des paramètres physiques, et également étendre le domaine d'apprentissage avec des paramètres constructifs différents. L'apprentissage doit prendre en compte différents paramètres physiques, de sorte que le réseau de neurones apprend le fonctionnement dynamique du composant modélisé pour différentes valeurs des paramètres physiques dudit composant, pour un domaine aussi large que possible de caractéristiques dimensionnelles.

La phase d'apprentissage est faite dans les deux sens de circulation de l'interaction dynamique, i.e. du fluide lorsque le système dynamique est un circuit fluidique.

Selon ces dispositions, le procédé de simulation selon l'invention, après la phase d'apprentissage des réseaux de neurones, permet d'obtenir des performances beaucoup plus importantes, avec des temps de calcul beaucoup moins longs que les procédés de simulation conventionnels; il permet d'accéder au temps-réel d'un système dynamique.

Les réseaux de neurones sont par exemple des réseaux de type perceptron, avec une ou plusieurs couches interne. Pour simplifier, la figure 1 illustre un exemple de réseau interconnecté de réseaux de neurones de type perceptron à une seule couche, mais l'homme du métier comprendra que le nombre de couches de chaque réseau de neurones peut être supérieur à 1. L'invention concerne donc un procédé 100 de simulation d'un système dynamique comprenant les étapes suivantes, en référence à la figure 2 :

- modélisation 101 du système dynamique, le système dynamique comprenant un ensemble de composants, l'étape de modélisation 101 du système dynamique comprenant les étapes suivantes :

- modélisation 1011 d'au moins un composant par un réseau de neurones V configuré pour modéliser un comportement dynamique dudit composant, l'au moins un composant étant en interaction dynamique avec un sous-ensemble d'autres composants de l'ensemble de composants,

- modélisation 1012 d'au moins un autre composant du sous-ensemble d'autres composants, par un autre réseau de neurones T1, T2 configuré pour modéliser un autre comportement dynamique dudit au moins un autre composant,

- simulation 102 du comportement dynamique de l'au moins une partie du système dynamique comprenant ledit au moins un composant et ledit au moins un autre composant.

L'étape de modélisation 1011 du comportement dynamique l'au moins un composant par le réseau de neurone T1 comprend une phase d'apprentissage du réseau de neurones T1 basée sur un ensemble de données d'apprentissage ; de même, l'étape de modélisation 1012 de l'autre comportement dynamique de l'au moins un autre composant par l'autre réseau de neurones V comprend une phase d'apprentissage de l'autre réseau de neurones V, basée sur un autre ensemble de données d'apprentissage.

Comme indiqué plus haut, l'étape de simulation 102 comprend par exemple une succession de pas de simulation pendant une période de temps.

L'invention concerne également dispositif 1 de simulation pour la simulation d'un système dynamique, le dispositif 1 comprenant un modèle d'un système dynamique comprenant un réseau interconnecté de réseaux de neurones T1, V, T2, le système dynamique comprenant un ensemble de composants, un comportement dynamique d'au moins un composant étant modélisé par un réseau de neurones T1 du réseau interconnecté, l'au moins un composant étant en interaction dynamique avec un sous-ensemble d'autres composants de l'ensemble de composants, un autre comportement dynamique d'au moins un autre composant dudit sous-ensemble étant modélisé par un autre réseau de neurones V, le réseau interconnecté comprenant le réseau de neurones T1 et l'autre réseau de neurones V, une partie de couche d'entrée CE _T I du réseau de neurones T1 étant connectée à une partie de couche d'entrée Œ _v de l'autre réseau de neurones V, de manière à former le réseau interconnecté de réseaux de neurones T1, V.