Sujet de Postdoc
Titre :
Capteurs logiciels intelligents multi-connectés et distribués pour le suivi des véhicules
Dates :
2024/11/16 - 2025/08/31
Encadrant(s) :
Description :
Le développement de contrôleurs performants et fiables pour les véhicules autonomes et connectés nécessitera des mesures ou des estimations en temps réel de nombreuses variables sur chaque véhicule. Parmi les variables nécessaires pour la rétroaction, on peut citer : les distances longitudinales, les vitesses et les accélérations des autres véhicules à proximité ; la position latérale du véhicule dans sa propre voie ; l'angle de lacet du véhicule ; l'angle de dérapage ; le taux de lacet ; l'angle de braquage ; l'accélération latérale ; et l'angle de roulis. Il existe également des variables environnementales qu'il faut mesurer, comme le coefficient de friction entre les pneus et la route, la couverture neigeuse sur la route, et la présence d'obstacles inattendus.
La mesure de toutes ces variables nécessite des dépenses considérables. En effet, certains des capteurs mentionnés, comme ceux pour l'angle de dérapage et l'angle de roulis, peuvent être extrêmement coûteux, nécessitant des capteurs valant plusieurs milliers d'euros. Par exemple, le capteur optique Datron pour la mesure de l'angle de dérapage coûte plus de 10k¬. De plus, plusieurs variables ne peuvent pas être mesurées en raison de l'indisponibilité de capteurs (à tout prix). Par exemple, la position et l'accélération des véhicules situés plus en amont (comme la voiture de tête d'un peloton). Seule la position du véhicule immédiatement devant peut être mesurée actuellement.
En outre, les véhicules autonomes et connectés requièrent des capteurs et des actionneurs hautement fiables. La défaillance d'un seul capteur ou actionneur, due à des pannes, des cyberattaques ou un déni de service, peut provoquer un accident désastreux. Par conséquent, des systèmes fiables de diagnostic et de gestion des défaillances sont également nécessaires. Ces systèmes ne peuvent pas être basés sur la redondance matérielle, qui nécessiterait de nombreuses copies supplémentaires des mêmes capteurs. Au lieu de cela, ils doivent s'appuyer sur des algorithmes d'estimation et sur la redondance analytique. Pour toutes les raisons ci-dessus, le développement d'algorithmes d'estimation intelligents est primordial pour les véhicules autonomes.
Dans le cadre de ce projet de Postdoc, nous travaillerons sur des idées originales en matière d'estimation, ce qui constitue une étape nécessaire et cruciale pour assurer la fiabilité, la résilience et la sécurité des véhicules autonomes et connectés (CAV). Les objectifs globaux de cette proposition consistent à développer des algorithmes d'estimation efficaces pour reconstruire les variables d'état non mesurables, qui sont essentielles pour la conception de contrôleurs et de systèmes de diagnostic des défaillances pour les CAV. Plus précisément, les problématiques abordées concernent les trajectoires sécurisées et stables, l'estimation des défauts de capteurs et d'actionneurs, et la détection de cyberattaques. Le sujet est décrit de façons très détaillée dans le fichier PDF joint à cette proposition.
La mesure de toutes ces variables nécessite des dépenses considérables. En effet, certains des capteurs mentionnés, comme ceux pour l'angle de dérapage et l'angle de roulis, peuvent être extrêmement coûteux, nécessitant des capteurs valant plusieurs milliers d'euros. Par exemple, le capteur optique Datron pour la mesure de l'angle de dérapage coûte plus de 10k¬. De plus, plusieurs variables ne peuvent pas être mesurées en raison de l'indisponibilité de capteurs (à tout prix). Par exemple, la position et l'accélération des véhicules situés plus en amont (comme la voiture de tête d'un peloton). Seule la position du véhicule immédiatement devant peut être mesurée actuellement.
En outre, les véhicules autonomes et connectés requièrent des capteurs et des actionneurs hautement fiables. La défaillance d'un seul capteur ou actionneur, due à des pannes, des cyberattaques ou un déni de service, peut provoquer un accident désastreux. Par conséquent, des systèmes fiables de diagnostic et de gestion des défaillances sont également nécessaires. Ces systèmes ne peuvent pas être basés sur la redondance matérielle, qui nécessiterait de nombreuses copies supplémentaires des mêmes capteurs. Au lieu de cela, ils doivent s'appuyer sur des algorithmes d'estimation et sur la redondance analytique. Pour toutes les raisons ci-dessus, le développement d'algorithmes d'estimation intelligents est primordial pour les véhicules autonomes.
Dans le cadre de ce projet de Postdoc, nous travaillerons sur des idées originales en matière d'estimation, ce qui constitue une étape nécessaire et cruciale pour assurer la fiabilité, la résilience et la sécurité des véhicules autonomes et connectés (CAV). Les objectifs globaux de cette proposition consistent à développer des algorithmes d'estimation efficaces pour reconstruire les variables d'état non mesurables, qui sont essentielles pour la conception de contrôleurs et de systèmes de diagnostic des défaillances pour les CAV. Plus précisément, les problématiques abordées concernent les trajectoires sécurisées et stables, l'estimation des défauts de capteurs et d'actionneurs, et la détection de cyberattaques. Le sujet est décrit de façons très détaillée dans le fichier PDF joint à cette proposition.
Mots clés :
Estimation non linéaire, Dynamique de véhicule, Apprentissage.
Conditions :
- Durée du contrat : du 16 novembre 2024 au 31 août 2025.
- Financement : ANR ArtISMo
- Rémunération : environ 2500¬ brut par mois.
- Profil recherché : Docteur en Automatique ou Mathématiques appliquées. Des connaissances en Matlab et simulation 3D sont nécessaires.
- Financement : ANR ArtISMo
- Rémunération : environ 2500¬ brut par mois.
- Profil recherché : Docteur en Automatique ou Mathématiques appliquées. Des connaissances en Matlab et simulation 3D sont nécessaires.
Département(s) :
| Contrôle Identification Diagnostic |
Financement :
Projet ANR ArtISMo
Publications :
https://hal.science/search/index?q=ArtISMo + CRAN - Publications