The Hung PHAM soutient sa thèse de doctorat le vendredi 15 janvier 2021 : « Planification et commande robustes de véhicules aériens sans pilote »

/, Equipe SIAM, Evénements, Recherche, Soutenance de thèse/The Hung PHAM soutient sa thèse de doctorat le vendredi 15 janvier 2021 : « Planification et commande robustes de véhicules aériens sans pilote »

The Hung PHAM soutient sa thèse de doctorat le vendredi 15 janvier 2021 : « Planification et commande robustes de véhicules aériens sans pilote »

The Hung PHAM soutient sa thèse de doctorat le vendredi 15 janvier 2021 à 9h30. La soutenance est publique et retransmise via YouTube.

Titre : Planification et commande robustes de véhicules aériens sans pilote

Résumé :

L’objectif de cette thèse est de réaliser la modélisation, la planification de trajectoire et le contrôle d’un robot hélicoptère sans pilote pour la surveillance de grandes surfaces, en particulier dans des applications d’agriculture de précision. Plusieurs tâches de l’agriculture de précision sont abordées. Dans les missions de surveillance des ravageurs, les drones seront équipés de caméras spécialisées. Une trajectoire sera recherchée et créée pour permettre aux aéronefs sans pilote de capturer des images de zones de cultures entières et d’éviter les obstacles pendant le vol. Les zones infectées seront ensuite identifiées en analysant les images prises. Lors de la pulvérisation d’insecticides, l’aéronef doit être contrôlé pour voler selon une trajectoire préprogrammée et pulvériser l’insecticide sur toutes les zones de culture infectées.

Dans la première partie, nous présentons un nouvel algorithme de planification de chemin de couverture complet en proposant une nouvelle décomposition cellulaire qui repose sur une généralisation de la variante Boustrophédon, à l’aide de fonctions Morse, avec une extension de la représentation des points critiques. Cette extension conduit à un nombre réduit de cellules après décomposition. L’algorithme génétique (GA) et l’algorithme de problème du voyageur de commerce (TSP) sont ensuite appliqués pour obtenir le chemin le plus court pour une couverture complète. Ensuite, à partir des informations sur la carte concernant les coordonnées des obstacles, des zones infectées et non infectées, les zones infectées sont divisées en plusieurs régions non chevauchantes en utilisant une technique de regroupement. Ensuite, un algorithme est proposé pour générer le meilleur chemin pour qu’un véhicule aérien sans pilote (UAV) distribue des médicaments à toutes les zones infectées d’un environnement agricole qui contient des obstacles non convexes, des zones exemptes de parasites et des zones infestées de parasites.

Dans la deuxième partie, nous étudions la conception d’un système de contrôle robuste qui permet au véhicule de suivre la trajectoire prédéfinie d’un hélicoptère à modèle dynamique variable en raison des changements de coefficients dynamiques tels que la masse et les moments d’inertie. Par conséquent, les lois robustes d’observation et de contrôle sont nécessaires pour adopter les changements des paramètres dynamiques ainsi que l’impact des forces externes. La méthode proposée consiste à explorer les techniques de modélisation, de planification et de contrôle par l’approche Takagi-Sugeno. Pour avoir des algorithmes facilement implantables et adaptables aux changements de paramètres et de conditions d’utilisation, nous privilégions la synthèse de l’Observateur d’Entrées Inconnues (UIO) à Paramètre Linéaire Variable (LPV), et des controlleurs retour d’état quadratique LPV, retour d’état robuste et retour de sortie statique. L’observateur et les contrôleurs sont conçus en résolvant un ensemble d’inégalités matricielles linéaires (LMI) obtenues à partir du lemme réel borné et de la caractérisation des régions LMI.

Enfin, pour mettre en évidence les performances des algorithmes de planification de trajectoire et des lois de contrôle générées, nous effectuons une série de simulations à l’aide de MATLAB Simulink. Les résultats de la simulation sont assez prometteurs. L’algorithme de planification de trajectoire de couverture suggère que la trajectoire générée raccourcit la distance de vol de l’aéronef mais évite toujours les obstacles et couvre toute la zone d’intérêt. Les simulations pour l’observateur LPV UIO et les contrôleurs LPV sont effectuées avec les cas où la masse et les moments d’inertie changent brusquement et lentement. Le LPV UIO est capable d’estimer les variables d’état et les perturbations inconnues et les valeurs estimées convergent vers les vraies valeurs des variables d’état et les perturbations inconnues de manière asymptotique. Les contrôleurs LPV fonctionnent bien pour divers signaux de référence (impulsion, aléatoire, constant et sinusoïdale) et plusieurs types de perturbations (impulsionnelle, aléatoire, constante et sinusoïdale).

Composition du jury de thèse

Membre du jury Titre Lieu d’exercice Fonction dans le jury
Saïd MAMMAR Professeur des Universités Université d’Évry, Université Paris-Saclay Directeur de thèse
Dalil ICHALAL Professeur des Universités Université d’Évry, Université Paris-Saclay Co-directeur de thèse
Benoit MARX Professeure des Universités Université de Lorraine Rapporteur
Castillo PEDRO Chargé de Recherche CNRS/Université de Technologie de Compiègne Rapporteur
Mohamed DJEMAI Professeur des Universités Université Polytechnique Hauts-de-France Examinateur
Cristina MANIU Professeure CentraleSupélec – Université Paris-Saclay Examinatrice
  • Date : vendredi 15/01/2021, 9h30
  • Soutenance publique via YouTube
  • Doctorant : The Hung PHAM, IBISC équipe SIAM
  • Direction de thèse : Saïd MAMMAR (PR Univ. Évry, IBISC équipe SIAM)
  • Co-Direction de thèse : Dalil ICHALAL (PR Univ. Évry)