Thèse de Bilal Daass

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

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.

Jury

Denis POMORSKI - Professeur - Université de Lille - Directeur de thèse Kamel HADDADI - Maître de conférences - Université de Lille - Examinateur Jean-Charles NOYER - Professeur - Université Littoral – Côte d’Opale - Examinateur Cindy CAPPELLE - Maître de conférences - Université de Technologie de Belfort-Montbéliard - Examinateur Didier MAQUIN - Professeur - Centre de Recherche en Automatique de Nancy - Université de Lorraine - CNRS - Rapporteur Dominique MEIZEL - Professeur - Université de Limoges - Rapporteur

Thèse de l'équipe ToSyMA soutenue le 17/12/2020