Dans cette thèse, une planification énergétique pour les véhicules routiers sans conducteur (URV) suractionnés avec une configuration de direction redondante est proposée. En effet, des indicateurs sur la géométrie de la route, la redondance des actionnements, le profil de vitesse optimal et le mode de conduite sont identifiés pour chaque segment de la trajectoire de l'URV. Ainsi, un modèle d'estimation de la consommation d'énergie d'un véhicule à conduite autonome suractivé est développé. Deux méthodes de modélisation de la consommation d'énergie sont considérées. La première méthode est basée sur un modèle analytique de consommation d’énergie prenant en compte le degré de maniabilité, le degré de mobilité et le degré de redondance de l’actionnement. La deuxième méthode utilisée pour la modélisation de la consommation d’énergie repose sur la méthode qualitative d’apprentissage des données, à savoir: le système d’inférence neuro-floue adaptatif (ANFIS). Cette dernière a été prise en compte en cas de présence de paramètres dynamiques inconnus de l'URV et d'incertitudes sur son interaction avec l'environnement. La validation de l'estimation de la consommation d'énergie a été appliquée à un véritable véhicule autonome appelé RobuCar. La stratégie de planification énergétique a été construite en utilisant deux approches, discrète et continue. L’approche discrète repose sur la construction d’un digraphe d’énergie avec toutes les configurations possibles tenant compte des contraintes cinématiques et dynamiques basées sur une configuration de grille 3D, selon: la vitesse, la longueur de l’arc, le mode de conduite. Dans ce graphe orienté pondéré, les arêtes décrivent l’énergie consommée par l’UAV le long d’un segment de la trajectoire. Un algorithme d'optimisation est appliqué sur le digraphe pour obtenir une solution globale optimale combinant le mode de conduite, la consommation électrique et le profil de vitesse de l'URV. L'approche continue repose sur une stratégie d'optimisation multicritères utilisant des algorithmes génétiques (NSGA-II). Ensuite, un chemin réel est considéré et modélisé en utilisant deux combinaisons géométriques lisses: la première est {lignes, clothoïdes et arcs}, et la seconde est {lignes et courbes de Hodograph de Pythagore}. La stratégie de planification énergétique est ensuite appliquée aux chemins générés. En outre, un graphique dirigé est construit pour synthétiser le profil de vitesse optimal qui minimise la consommation d'énergie globale tout en prenant en compte tous les modes de conduite. Les résultats sont comparés à ceux donnés par la méthode de programmation dynamique pour une optimisation globale hors ligne.
M. Mohamed BENBOUZID UMR CNRS 6027 IRDL - Institut de Recherche Dupuy de Lôme, Université de Brest Rapporteur M. Sergey V. DRAKUNOV Embry-Riddle Aeronautical University Rapporteur M. Rochdi MERZOUKI Université de Lille Directeur de thèse Mme Véronique CEREZO Ifsttar Examinateur M. Mohamed BOUTELDJA Cerema Examinateur M. KERRIGAN Imperial college London Examinateur
français
English