Titre original :

Approches informationnelles pour une navigation autonome collaborative de robots d'exploration de zones à risques

Titre traduit :

Informational approaches for collaborative autonomous navigation of robots for exploration of high-risk areas

Mots-clés en français :
  • Robots collaboratifs

  • Robots mobiles
  • Fusion multicapteurs
  • Détection de défaut (ingénierie)
  • Tolérance aux fautes (ingénierie)
  • Statistique bayésienne
  • Kalman, Filtrage de
  • Information, Théorie de l'
  • Détecteurs de microondes
  • Contrôle non destructif
  • Langue : Français
  • Discipline : Automatique et informatique industrielle
  • Identifiant : 2020LILUI054
  • Type de thèse : Doctorat
  • Date de soutenance : 17/12/2020

Résumé en langue originale

Ces dernières années, de nombreux travaux ont été menés afin de fournir une estimation précise de l’état d’un système dynamique. Dans cette thèse, nous ciblons les systèmes composés de sous-systèmes collaboratifs possédant une multitude de capteurs. Nous proposons un filtre combinant les avantages du filtre de Kalman et du filtre informationnel, nécessitant une charge de calculs bien moins élevée. Afin de prendre en compte la méconnaissance des covariances des mesures, une fusion multi-capteurs basée sur l'intersection des covariances est analysée en termes de charge calculatoire. Trois architectures de fusion multi-capteurs sont dès lors considérées. On réalise, sur les différents composants de ces architectures, une analyse fine de la répartition de la charge calculatoire du filtre et de l’algorithme d’intersection des covariances. Dans l’objectif de rendre un système tolérant aux défauts, des méthodes statistiques informationnelles sont développées. Elles sont applicables à toute méthode basée sur le rapport de vraisemblance généralisé, entraînant un seuillage adaptatif de ce rapport. Leurs mises en œuvre à travers deux types de cartes de contrôle permettent une détection rapide des défaillances des capteurs. Nos approches théoriques sont validées à travers un système de robots mobiles collaboratifs. Nous intégrons une phase de diagnostic et de détection de défauts des capteurs. Celle-ci est basée sur l’intégration de ces méthodes statistiques informationnelles dans le processus de fusion et d’estimation composé d’un filtre bayésien et de l’intersection des covariances. L’objectif est d’assurer une navigation autonome sûre, précise et tolérante aux défaillances des capteurs. Enfin, nous présentons une preuve de concept d'une méthode de contrôle et d'évaluation non destructive des matériaux dans l’environnement immédiat des robots. En particulier, il s'agit d'introduire un capteur hyperfréquence pour l'interaction entre l'onde électromagnétique propagée et le matériau sous investigation. Cette méthode, connue sous le vocable radar, a connu un essor grandissant dans les laboratoires de recherche et dans les applications courantes liées notamment à la mesure de vitesse. Néanmoins, sa transposition sur des robots mobiles collaboratifs demeure un challenge pour adresser l'évaluation sans contact de matériaux, notamment en environnement sévère. Elle consiste à déterminer les caractéristiques du matériau sous test à l'aide de capteurs micro-ondes embarqués.

Résumé traduit

In the recent years, there was a growing interest to provide an accurate estimate of the state of a dynamic system for a wide range of applications. In this work, we target systems built up with several collaborative subsystems integrating various heterogeneous sensors. We introduce a filter concept that combines the advantages of both Kalman and informational filters to achieve low computational load. To consider any system whose measurement covariances are incomplete or unknown, a multi-sensor fusion based on the covariance intersection is analyzed in terms of calculation burden. Three multi-sensor fusion architectures are then considered. A fine analysis of the calculation load distribution of the filter and the covariance intersection algorithm is performed on the different components of these architectures. To make the system fault tolerant, informational statistical methods are developed. They are applicable to any method based on the generalized likelihood ratio. They lead to an adaptive threshold of this ratio. The technique has been implemented considering two types of control charts for the fast detection of sensor failures. Our theoretical approaches are validated through a system of collaborative mobile robots. We integrate a diagnosis and fault detection phase, which is based on the integration of these informational statistical methods into the fusion and estimation process, the latter being composed of a Bayesian filter and the covariance intersection. The main objective is to ensure that this system provides safe, accurate and fault-tolerant autonomous navigation. Finally, we present a proof-of-concept method for nondestructive and evaluation of materials in close proximity of the robot environment. In particular, we introduce a microwave sensor to characterize the electromagnetic wave to material under test interaction. This technique, known under the name radar, had a growing interest in academic laboratories and for usual applications related to speed measurements. Nevertheless, its adaptation to collaborative mobile robots remains a challenging task to address contactless characterization of materials, especially in harsh environments. This latter consists to determine the material characteristics from embedded microwave sensors.

  • Directeur(s) de thèse : Pomorski, Denis - Haddadi, Kamel
  • Laboratoire : Centre de Recherche en Informatique, Signal et Automatique de Lille - Institut d'Electronique, de Microélectronique et de Nanotechnologie
  • École doctorale : École doctorale Sciences pour l'ingénieur (Lille)

AUTEUR

  • Daass, Bilal
Droits d'auteur : Ce document est protégé en vertu du Code de la Propriété Intellectuelle.
Accès libre