Sujet de stage
Commande prédictive (MPC) pour la conception de commandes sûres : Application aux véhicules autonomes (Quanser Qcar)
Dates :
2024/04/01 - 2024/08/30
Encadrant(s) :
Description :
Le sujet vise le développement et la mise en oeuvre des méthodes existantes de l'état de l'art pour la conception de lois de commande optimales (sous-optimales) pour les véhicules autonomes. En particulier, la conception de commandes optimales utilisant des approches de retour d'état [1,2] sera envisagée pour divers objectifs tels que le suivi de trajectoire (point à point, suivi de ligne, etc.), le suivi de voie, la détection et l'évitement d'obstacles, sans ou avec des connaissances basées sur la vision (caméra).
Le stage se concentrera sur les objectifs d'une manière progressive en commençant par la conception d'une commande à rétroaction basée sur un modèle pour la commande d'une voiture, suivie par la synthèse de techniques d'estimation (linéaire quadratique gaussienne), la commande prédictive de modèle en utilisant l'état de l'art et enfin une conception de commande consciente de la santé sera ciblée en incorporant l'état de santé des batteries dans la conception de la commande [3,4]
Les algorithmes seront implémentés en temps réel sur le studio Quanser CAR (QCAR) de la voiture autonome à l'échelle 1/10ème (voir les informations ici), disponible sur le CRAN (Polytech Nancy). Voir l'annexe pour plus de détails.
Les objectifs de haut niveau sont les suivants
- L'étude des travaux existants (étude bibliographique) sur la conception de commande par retour d'état et la commande prédictive par modèle (MPC) pour la commande d'une voiture (robot à 4 roues).
- Conception de commandes pour le suivi point à point, le suivi de ligne et de trajectoire et le suivi de voie.
o Tests pratiques sur QCAR.
o Mise en oeuvre du code/programme dans MATLAB/Python.
- Conception de la commande tenant compte de la santé en incorporant les données de dégradation de la batterie dans la conception de la commande.
Le stage offrira des possibilités de publication scientifique dans des conférences internationales et des revues scientifiques réputées.
[1] Kanso, S., Jha, M. S., & Theilliol, D. (2022, September). Degradation Tolerant Optimal Control Design for Linear Discrete-Times Systems. In International Conference on Diagnostics of Processes and Systems (pp. 398-409). Cham: Springer International Publishing.
[2] Jha, M. S., Theilliol, D., & Weber, P. (2023). Model‐free optimal tracking over finite horizon using adaptive dynamic programming. Optimal Control Applications and Methods.
[3] Khelassi, A., Theilliol, D., & Weber, P. (2011). Reconfigurability analysis for reliable fault-tolerant control design. International Journal of Applied Mathematics and Computer Science, 21(3), 431-439.
[4] F. Karimi Pour, D. Theilliol , V. Puig, G. Cembrano, Health-aware control design based on remaining useful life estimation for autonomous racing vehicle. ISA Transactions, Available online 21 April 2020 https://doi.org/10.1016/j.isatra.2020.03.032
Le stage se concentrera sur les objectifs d'une manière progressive en commençant par la conception d'une commande à rétroaction basée sur un modèle pour la commande d'une voiture, suivie par la synthèse de techniques d'estimation (linéaire quadratique gaussienne), la commande prédictive de modèle en utilisant l'état de l'art et enfin une conception de commande consciente de la santé sera ciblée en incorporant l'état de santé des batteries dans la conception de la commande [3,4]
Les algorithmes seront implémentés en temps réel sur le studio Quanser CAR (QCAR) de la voiture autonome à l'échelle 1/10ème (voir les informations ici), disponible sur le CRAN (Polytech Nancy). Voir l'annexe pour plus de détails.
Les objectifs de haut niveau sont les suivants
- L'étude des travaux existants (étude bibliographique) sur la conception de commande par retour d'état et la commande prédictive par modèle (MPC) pour la commande d'une voiture (robot à 4 roues).
- Conception de commandes pour le suivi point à point, le suivi de ligne et de trajectoire et le suivi de voie.
o Tests pratiques sur QCAR.
o Mise en oeuvre du code/programme dans MATLAB/Python.
- Conception de la commande tenant compte de la santé en incorporant les données de dégradation de la batterie dans la conception de la commande.
Le stage offrira des possibilités de publication scientifique dans des conférences internationales et des revues scientifiques réputées.
[1] Kanso, S., Jha, M. S., & Theilliol, D. (2022, September). Degradation Tolerant Optimal Control Design for Linear Discrete-Times Systems. In International Conference on Diagnostics of Processes and Systems (pp. 398-409). Cham: Springer International Publishing.
[2] Jha, M. S., Theilliol, D., & Weber, P. (2023). Model‐free optimal tracking over finite horizon using adaptive dynamic programming. Optimal Control Applications and Methods.
[3] Khelassi, A., Theilliol, D., & Weber, P. (2011). Reconfigurability analysis for reliable fault-tolerant control design. International Journal of Applied Mathematics and Computer Science, 21(3), 431-439.
[4] F. Karimi Pour, D. Theilliol , V. Puig, G. Cembrano, Health-aware control design based on remaining useful life estimation for autonomous racing vehicle. ISA Transactions, Available online 21 April 2020 https://doi.org/10.1016/j.isatra.2020.03.032
Mots clés :
commande prédictive par modèle, commande de voiture, retour d'état, voiture autonome
Conditions :
Dotation: Approx 570 Euros /mois
Département(s) :
Contrôle Identification Diagnostic |
Financement :
Dotation CID