Note publique d'information : 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. Dans les
missions de surveillance des ravageurs, les drones seront équipés de caméras spécialisées.
Une trajectoire sera 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 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 appliqués pour obtenir le chemin le plus court
pour une couverture complète. A 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. 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 contrôleurs 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. 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).
Note publique d'information : The objective of this thesis is to realize the modeling, trajectory planning, and
control of an unmanned helicopter robot for monitoring large areas, especially in
precision agriculture applications. Several tasks in precision agriculture are addressed.
In pest surveillance missions, drones will be equipped with specialized cameras. A
trajectory will be researched and created to enable unmanned aircraft to capture images
of entire crop areas and avoid obstacles during flight. Infected areas will be then
identified by analyzing taken images. In insecticides spraying, the aircraft must
be controlled to fly in a pre-programmed trajectory and spray the insecticide over
all the infected crop areas.In the first part, we present a new complete coverage
path planning algorithm by proposing a new cellular decomposition which is based on
a generalization of the Boustrophedon variant, using Morse functions, with an extension
of the representation of the critical points. This extension leads to a reduced number
of cells after decomposition. Genetic Algorithm (GA) and Travelling Salesman Problem
(TSP) algorithm are then applied to obtain the shortest path for complete coverage.
Next, from the information on the map regarding the coordinates of the obstacles,
non-infected areas, and infected areas, the infected areas are divided into several
non-overlapping regions by using a clustering technique. Then an algorithm is proposed
for generating the best path for a Unmanned Aerial Vehicle (UAV) to distribute medicine
to all the infected areas of an agriculture environment which contains non-convex
obstacles, pest-free areas, and pests-ridden areas.In the second part, we study the
design of a robust control system that allows the vehicle to track the predefined
trajectory for a dynamic model-changing helicopter due to the changes of dynamic coefficients
such as the mass and moments of inertia. Therefore, the robust observer and control
laws are required to adopt the changes in dynamic parameters as well as the impact
of external forces. The proposed approach is to explore the modeling techniques, planning,
and control by the Takagi-Sugeno type technique. To have easily implantable algorithms
and adaptable to changes in parameters and conditions of use, we favor the synthesis
of Linear Parameter Varying (LPV) Unknown Input Observer (UIO), LPV quadratic state
feedback, robust state feedback, and static output feedback controllers. The observer
and controllers are designed by solving a set of Linear Matrix Inequality (LMI) obtained
from the Bounded Real Lemma and LMI regions characterization.Finally, to highlight
the performances of the path planning algorithms and generated control laws, we perform
a series of simulations in MATLAB Simulink. Simulation results are quite promising.
The coverage path planning algorithm suggests that the generated trajectory shortens
the flight distance of the aircraft but still avoids obstacles and covers the entire
area of interest. Simulations for the LPV UIO and LPV controllers are conducted with
the cases that the mass and moments of inertias change abruptly and slowly. The LPV
UIO is able to estimate state variables and the unknown disturbances and the estimated
values converge to the true values of the state variables and the unknown disturbances
asymptotically. The LPV controllers work well for various reference signals (impulse,
random, constant, and sine) and several types of disturbances (impulse, random, constant,
and sine).
paprika.idref.fr
data.idref.fr
Documentation
