Actuellement, les activités de validation et de vérification (V&V) dans l'industrie aérospatiale reposent principalement sur des outils de simulations de type Monte Carlo. Ces outils permettent d'estimer la probabilité de phénomènes suffisamment fréquents (typiquement la satisfaction d'exigences dans le contexte de la V&V), et présentent l'avantage d'être relativement simples à mettre en oeuvre. Ils sont en revanche chronophages, et peuvent échouer à détecter des phénomènes rares mais néanmoins critiques. À mesure que la complexité des systèmes spatiaux modernes augmente, cette limitation joue un rôle de plus en plus important.

Ces dernières années, les méthodes d'analyse de robustesse et d'identification de pires cas basées sur des modèles LFT (µ-analyse, IQC) ont atteint un bon niveau de maturité. Sans avoir recours à des simulations, ces méthodes peuvent explorer de manière exhaustive l'espace de toutes les combinaisons possibles des paramètres incertains et identifier des configurations instables ou avec des performances pire cas. Cependant, elles n'associent aucune mesure de probabilité à ces configurations, et peuvent donc être trop conservatrices, en invalidant par exemple un design sur la base de configurations avec une probabilité d'occurrence en fait très faible.

Introduite plus récemment, la µ-analyse probabiliste tente de combler le fossé entre les simulations de Monte-Carlo et la µ-analyse déterministe. L'idée est de combiner l'identification des pires cas de la µ-analyse déterministe avec des informations sur les distributions de probabilité des paramètres incertains. La STOchastic Worst-case Analysis Toolbox (STOWAT) est une boîte à outils dédiée à la µ-analyse probabiliste, développée par l'ONERA.

Ce stage vise à évaluer l'applicabilité de la µ-analyse probabiliste sur des systèmes SCAO issus de projets du CNES. Dans un premier temps, le ou la stagiaire se familiarisera avec la théorie de la µ-analyse, ainsi qu'avec la toolbox STOWAT à travers le manuel utilisateur et les exemples fournis. Ensuite, les objectifs seront d'une part d'évaluer l'efficacité des algorithmes de µ-analyse probabiliste implémentés dans STOWAT sur des systèmes SCAO représentatifs, et d'autre part d'émettre des recommandations sur l'intégration de ces méthodes dans le cycle de développement des systèmes SCAO.

Le stage pourrait débuter en octobre 2026.

Voir : Attitude control laws validation through probabilistic µ-analysis: application to microsatellite control laws (ESA GNC ICATT 2023)

En dernière année d'école d'ingénieur/d'université, ou en année de césure, vous êtes intéressé.e par le contrôle d'attitude.
Vous avez des connaissances en systèmes spatiaux et en principes d'automatique.
Vous avez une certaine maîtrise de Matlab/Simulink. Autonome, créatif.ve et rigoureux.se, vous aimez prendre des initiatives et apprécie travailler en équipe.