Une équipe de chercheurs de l’Université de Technologie de Delft et de l’Université de Wageningen a montré qu’un concept emprunté à l’écologie, le ralentissement critique, peut prédire quand un drone est sur le point de perdre le contrôle en raison de dommages progressifs, bien avant tout signe visible d’instabilité.
L’étude, publiée dans PNAS, représente la première application des indicateurs de ralentissement critique (CSD) à des systèmes techniques activement contrôlés avec des contrôleurs de rétroaction en temps réel. Le CSD est un phénomène dynamique générique : lorsqu’un système approche d’une transition critique, son taux de récupération après de petites perturbations ralentit progressivement, se manifestant par une augmentation de l’autocorrélation de décalage 1 (AC1) et une variance accrue dans les signaux de sortie du système. Il a été précédemment documenté dans l’eutrophisation des lacs, l’effondrement des pêcheries et les changements climatiques brusques, mais jamais auparavant dans un système technique doté d’un contrôleur de rétroaction.
Les expériences
L’équipe a mené 367 vols sur deux plateformes de quadrotors, le DragonFly autonome (avec un contrôleur INDIFlight) et le HoverFly piloté humainement (avec Betaflight). Ils ont appliqué des dommages progressifs asymétriques aux extrémités des pales d’hélice de 0 % (intact) jusqu’à 55 %, testant les quatre positions de rotor dans plusieurs conditions de vol incluant le vol stationnaire, le suivi de trajectoire et les conditions venteuses.
L’idée clé : même si un contrôleur de rétroaction stabilise en continu le système, la dynamique combinée en boucle fermée présente un CSD à mesure que les marges de stabilité diminuent en raison des dommages. L’indicateur surveille les signaux observables, vitesses de rotor, accéléromètre, gyroscope, sans nécessiter de modèle précis du système endommagé.
Résultats
Les indicateurs CSD (autocorrélation de décalage 1 des signaux de vitesse de rotor) ont augmenté de manière monotone avec le niveau de dommages sur tous les rotors, y compris les rotors non endommagés, bien avant l’apparition d’une instabilité visible. À seulement 10 % de dommages, la probabilité que l’AC1 soit élevée par rapport à la valeur de base était de 0,59 (p<0,001). À 15 % de dommages, elle est passée à 0,76 (p<0,001), avec une taille d’effet de 1,14 fois l’intervalle interquartile.
L’indicateur a également révélé des vulnérabilités structurelles asymétriques qui n’auraient pas été apparentes lors d’une inspection visuelle : les rotors arrière présentaient des augmentations d’AC1 significativement plus importantes que les rotors avant (p<0,001), attribuées au poids de la batterie augmentant la demande sur les moteurs arrière. Les augmentations d’AC1 du rotor gauche étaient plus importantes que celles du droit (p=0,044 à 15 % de dommages), liées à une incohérence de fabrication où le moteur arrière gauche fonctionnait 5 °C plus chaud.
Le DragonFly (INDIFlight) a perdu le contrôle à environ 30 % de dommages aux pales, avec une élévation claire de l’AC1 visible à 15 %, bien avant la défaillance. Le HoverFly (Betaflight) est resté stable jusqu’à environ 55 % de dommages. Dans des conditions exigeantes, vent combiné à des trajectoires rapides, la perte de contrôle s’est produite dès 15 % de dommages.
Implications plus larges
Parce que l’approche est sans modèle et repose uniquement sur des signaux observables, les chercheurs soutiennent qu’elle peut être appliquée à divers systèmes contrôlés : aéronefs (l’article cite le crash du vol Sriwijaya Air SJ-182 comme exemple motivant), réacteurs industriels, voitures autonomes, réseaux électriques et robots autonomes.
Deux modes opérationnels sont proposés : l’alerte précoce en temps réel pendant le vol, et un mode exploratoire de « bricolage » où de petites perturbations sont délibérément appliquées pour optimiser empiriquement la robustesse du système lors de la conception.
Sources :
1. van Beers JJ, Scheffer M, Solanki P, van de Leemput IA, van Nes EH, de Visser CC. « Early warning signals for loss of control in complex systems. » PNAS. 2026;123(27):e2608847123. DOI: 10.1073/pnas.2608847123
Traduit par Lydie