Soutenance mémoire
L’utilisation de drones dans le secteur civil est à l’aube de l’explosion. En eet, avec un marché qui atteindra en France plus de 2 milliards d’euros à l’horizon 2015, la Direction Générale de l’Aviation Civile (DGAC) recensait déjà, fin octobre 2012, 345 opérateurs de drones représentant au total 585 appareils. Si l’utilisation des drones dans le secteur militaire n’est pas nouvelle, celle-ci émerge tout juste pour certaines applications civiles comme par exemple la surveillance de pipelines, la protection des populations ou l’aide au traitement et à l’analyse des sols cultivés. De nouvelles applications exploitant les drones comme vecteur expérimental sont actuellement à l’étude. Parmi tant d’autres, citons leur exploitation future en aérologie et météorologie pour la compréhension et la mesure de phénomènes locaux tels que les gradients de vent ou la formation de brouillard. Il est intéressant de constater que depuis 2006, l’augmentation du nombre d’engins exploités touche principalement les mini- et les micro-drones qui se classent dans la catégorie des moins de 30kg. Les appareils de cette catégorie, sur lesquels nous nous focaliserons, présentent l’avantage d’être relativement légers et facilement transportables contrairement à ceux de plus de 150kg. Outre leur masse, les drones aériens peuvent également être classés selon leur autonomie qui conditionne leur portée d’utilisation. Il est ainsi commun de les répertorier en Short Range (SR), Close Range (CR) et Medium Range (MR). Malgré une variété de configurations possibles, ces engins partagent cependant plusieurs caractéristiques communes :
❖ des masses à vide et au décollage, ainsi qu’un poids et une taille limites propres à leur catégorie. La donnée de ces caractéristiques conditionne fortement le nombre et la performance des capteurs qu’il est possible d’embarquer ;
❖ en conséquence, un niveau d’autonomie et une portée seuils qui orientent l’utilisation du drone vers telle ou telle application ;
❖ enfin, des qualités de vol plus ou moins bien connues et compatibles ou non avec des vols en intérieur, en milieu encombré, en présence de vent, etc.
Au-delà du concept de drone envisagé, un moyen très répandu pour en optimiser les performances consiste à travailler au développement d’une chaîne avionique spécifique qui conférera à l’engin un degré d’autonomie et des qualités de vol en boucle fermée en adéquation avec la ou les missions qu’il doit remplir. De façon très concrète, ce système avionique peut se décomposer en une partie hardware (comprenant un calculateur embarqué, des capteurs, un ensemble d’actionneurs et un module de communication sol/bord) et une partie software qui regroupe :
❖ des algorithmes de traitement du signal qui assurent des fonctions aussi diverses que le débruitage des sorties des capteurs ou l’estimation et la reconstruction des états du drone ou d’autres paramètres de vol, à partir d’une fusion des données mesurées disponibles à bord (et souvent peu redondées), corroborées par les sorties d’un modèle mathématique de prédiction, descriptif du comportement dynamique de l’engin ;
❖ des algorithmes de contrôle « bas-niveau » pour le pilotage et le guidage de l’appareil en boucle fermée de sorte que celui-ci soit commandé en consigne à atteindre ;
❖ des algorithmes de contrôle « haut-niveau » pour la navigation, la replanification ou l’aide à la décision (IA) en l’absence d’un opérateur humain ou dans le cas de situations dégradées (rupture de COM, pannes, etc.).
Les algorithmes d’estimation, d’état ou de paramètres, et de contrôle apparaissent donc primordiaux, d’autant plus lorsque la technologie des capteurs et des actionneurs, pour des raisons de coût et d’encombrement essentiellement, ne permet pas de disposer de capacités illimitées. Ceci est particulièrement vrai dans le cas des micro- et des mini-drones. L’estimation permet donc de fusionner, en temps réel, les informations imparfaites provenant des diérents capteurs et de fournir une estimation, par exemple de l’état du drone (orientation, vitesse, position) au calculateur embarqué où sont implémentés les algorithmes de commande de l’engin. Ce contrôle de l’appareil doit garantir sa stabilité en boucle fermée quelque soit l’ordre de consigne fourni directement par l’opérateur ou par tout système automatique de gestion du vol et, assurer que celle-ci soit correctement recopiée. Estimation et commande participent donc grandement au succès de toute mission. Une dimension extrêmement importante qui a conditionné les travaux entrepris tout au long de cette thèse concerne la capacité d’emport des mini-drones que nous considérons. En eet, celle-ci, relativement limitée, et couplée à la volonté de ne pas grever les budgets de développement de tout mini-drone, autorise uniquement l’intégration de matériels dits « bas-coûts ». Malgré les progrès significatifs de la miniaturisation et l’augmentation continuelle des capacités de calcul embarqué (cf. Loi de Moore), les mini-drones d’intérêt considérés ici n’embarquent donc que des capteurs aux performances limitées dans un contexte où cette catégorie d’engins autonomes est amenée à être de plus en plus fréquemment exploitée pour remplir des missions elles-mêmes toujours plus nombreuses. Celles-ci requièrent notamment que de tels drones puissent de manière sûre s’insérer et partager l’espace aérien civil moyennant le passage d’une certification de leur vol au même titre que pour les avions de transport des diérentes compagnies aériennes. Dès lors, face à cet enjeu de sécurisation des vols de mini-drones, la consolidation de la connaissance de l’état de l’aéronef par des techniques d’estimation devient une tâche essentielle pour en assurer le contrôle, y compris en situations dégradées (pannes capteurs, perte occasionnelle de signaux, bruits et perturbations environnantes, imperfections des moyens de mesure, etc.). Tenter de répondre à cet enjeu conduit naturellement le chercheur à s’attaquer à des problèmes relativement nouveaux, en tout cas pas forcément aussi proches de ceux qui se posent dans le secteur de l’aéronautique civile ou militaire, où le système avionique est sans commune mesure avec celui sur lequel nous avons travaillé dans cette thèse. En eet, ce dernier doit être extrêmement sophistiqué pour remplir diverses fonctions à bord pour un poids et un volume les plus faibles possibles. En particulier, les algorithmes d’estimation sont soumis à de très fortes contraintes, en termes de performances bien évidemment, mais aussi de temps d’exécution, d’espace mémoire et de preuve de convergence.
La robotique aérienne
Les robots aériens ou drones (Remotely Piloted Aircraft Systems, en anglais RPAS) sont des engins volants sans pilote, capables de mener à bien une mission de façon plus ou moins autonome. Leur fonction principale est de réaliser une tâche de façon plus sûre ou plus ecace qu’un engin piloté à distance. La possibilité d’utiliser des systèmes autonomes tels que les drones aériens dans le secteur civil a été depuis quelques années largement testée. Un certain nombre de projets de recherche, certains financés par la commission européenne, ont permis d’étudier les concepts d’application potentielle des drones dans le domaine civil. En eet, ces engins ont souvent été déployés pour des besoins militaires spécifiques au cours d’interventions multiples, notamment en Irak, Afghanistan, etc, durant lesquelles ils jouaient un rôle prépondérant comme maillon actif d’un réseau d’information, de décision et d’action. Aujourd’hui, un grand nombre de missions passées en zone hostile, durant lesquelles plusieurs vies humaines étaient en jeu, ont vu leur scénario d’intervention être complètement repensé en raison de l’apport opérationnel de drones dotés de capacités décisionnelles susantes. Il en va de même des missions de surveillance qui ne sont plus opérées aujourd’hui comme elles l’étaient il y a encore quelques dizaines d’années. Le système prend en charge des tâches de pilotage et de guidage, ainsi que des tâches de veille pour lesquelles la vigilance humaine est faillible. Il soulage véritablement l’opérateur humain de sorte que celui-ci peut plus se consacrer à la gestion de haut-niveau de la mission. De la sorte, de nouvelles applications exploitant les drones comme vecteur expérimental sont actuellement à l’étude.
L’essor des drones dans le secteur civil
Depuis 2006, l’augmentation du nombre d’appareil touche principalement les mini- et les micro-drones qui se classent dans la catégorie des moins de 30kg (cf. Figure 1.1, www.sesarju.eu). Comme l’introduction l’a évoqué, les appareils de cette catégorie seront ceux sur lesquels nous nous focaliserons dans ce manuscrit. Ils présentent l’avantage d’être relativement légers et facilement transportables contrairement à ceux de plus de 150kg. Les robots aériens orent une très grande variété de types. Outre la masse, ils peuvent également être classés selon leur endurance qui conditionne leur portée d’utilisation. Nous pouvons ainsi distinguer les drones HALE (Haute Altitude Longue Endurance), les drones MALE (Moyenne Altitude Longue Endurance), les drones dits de moyenne et courte portées et les mini-drones. La classification présentée dans cette thèse reprend celle proposée par l’U.S Air Force. Les RPAS sont également caractérisés par ailleurs, par leur fonction, initialement définie pour un usage militaire. De la sorte, nous distinguerons les drones stratégiques et les drones tactiques ou drones de combat (Unmanned Combat Air Vehicle, en anglais UCAV). La configuration de ces engins peut aller des ailes fixes aux voilures tournantes en passant par des systèmes de vol hybride. Les drones stratégiques sont généralement des drones de type HALE. Ayant une autonomie de plusieurs jours pour certains et évoluant à plus de 20000 mètres d’altitude, ils sont principalement destinés à des missions de reconnaissance. Les deux seuls drones HALE connus aujourd’hui sont le Global Hawk construit par Northrop Grumman et le Sentinel développé par Lockheed Martin (cf. Figure 1.2). Les drones tactiques représentent une très large gamme d’engins, allant de la catégorie MALE aux mini ou micro-drones. Ayant une autonomie d’une trentaine d’heures et évoluant entre 5000 et 15000 mètres d’altitude, les drones MALE sont donc amenés à accomplir un panel très large de missions militaires ou civiles. Nous pouvons citer entre autres le Reaper et le Gray Eagle, tous les deux développés par General Atomics (cf. Figure 1.3).
Ces engins doivent pourtant être diérenciés des UCAV, dont les caractéristiques techniques sont très diérentes (une dizaine d’heures d’autonomie en évoluant à moins de 5000 mètres d’altitude). L’endurance des drones de combat est donc bien plus faible mais leur masse au décollage apparaît équivalente à un avion d’arme classique (soit environ 10 tonnes contre 1.2 pour le Predator A). Les drones tactiques de courte et moyenne portées MR et SR (Medium Range et Short Range) sont destinés à des missions de surveillance et fortement utilisés dans le milieu civil comme par exemple en tant que relais de communication. Ce type de drone est actuellement en très fort développement dans beaucoup de pays dont la France avec, par exemple, le Sperwer de Sagem .
|
Table des matières
Introduction
Chapitre 1 Contexte de la thèse
1.1 La robotique aérienne
1.2 Le projet Paparazzi
1.3 Les diérents moyens de mesure
1.4 Motivations et objectifs des travaux de thèse
Chapitre 2 Etat de l’art
2.1 Concepts de base
2.2 Revue bibliographique
2.3 Filtrage optimal des systèmes linéaires gaussiens
2.4 Approximation du filtrage optimal par linéarisation
2.5 Approximation du filtrage optimal par discrétisation
2.6 La logique floue
2.7 Théorie des observateurs invariants
Chapitre 3 Modèles pour la navigation inertielle
3.1 Préambule : modélisation des mini-drones
3.2 Dérivation d’un modèle pour la navigation
3.3 Problème de la navigation inertielle dite « véritable »
3.4 Modélisation et identification des imperfections des capteurs inertiels
3.5 La navigation inertielle du pauvre : l’AHRS
3.6 L’AHRS augmenté d’un GPS et d’un baromètre : l’INS
Chapitre 4 Algorithmes IUKF/fi-IUKF
4.1 Systèmes invariants/équivariants
4.2 Observateurs invariants – AHRS/INS
4.3 Erreur d’estimation sur l’état invariante
4.4 Square-Root UKF
4.5 1ère reformulation du filtrage de Kalman unscented
4.6 2nde reformulation du filtrage de Kalman unscented
Chapitre 5 Validation méthodologique, expérimentations et résultats
5.1 Validation sur données simulées
5.2 Validation sur données réelles
5.3 Implémentation de l’observateur invariant pour le modèle INS
Chapitre 6 Conclusion
