CRAN - Campus Sciences
BP 70239 - 54506 VANDOEUVRE Cedex
Tél : +33 (0)3 72 74 52 90 Fax : +33 (0)3 72 74 53 08
cran-secretariat@univ-lorraine.fr
 
 
Sujet de Thèse : Diagnostic et pronostic de défauts et surveillance de l’état de santé pour un véhicule autonome sans pilote et une flotte de véhicules autonomes sans pilotes.
Dates : 2017/05/29 - 2018/06/11
Etudiant : Ricardo SCHACHT RODRIGUEZ
Directeur(s) CRAN : Jean-Christophe PONSART
Autre(s) Directeur(s) : Dr GARCIA BELTRAN Carlos Daniel (cgarcia@cenidet.edu.mx) , Dr ASTORGA ZARAGOZA Carlos Manuel (astorga@cenidet.edu.mx)
Description : Objectifs:
développer une architecture de diagnostic et de pronostic pour un véhicule autonome sans pilote et une flotte de véhicules autonomes sans pilotes.

Motivation:
Les véhicules autonomes présentent un véritable challenge dans le cadre du diagnostic, du pronostic et de la surveillance de l'état de santé des moteurs, chaine de propulsion, capteurs, actionneurs électromécaniques et moyens de communication durant les missions longues durées.
Alors que le debriefing du pilote est souvent utilisé pour l'identification des modifications de performance ou de caractéristiques dans le cadre de la maintenance des véhicules avec pilote, dans le cas des véhicules autonomes sans pilotes, le système de pronostic et de surveillance doit être fiable afin d'indiquer les défauts de motorisation pour la planification des actions de maintenance.

Méthodologie:
La première étape sera de déterminer et définir la faisabilité pour fournir un diagnostic de défaut et un système sûrs et robustes de pronostic pour les véhicules non-pilotés autonomes en utilisant une approche basée sur des modèles et des résidus.
Un résidu est un signal (généré à partir de mesures issues des capteurs) qui réagit à un défaut ou à un sous-ensemble des défauts considérés. Par la production d'un ensemble approprié de tels résidus, la détection et la location de défauts peuvent être réalisés.

La seconde étape sera de concevoir et développer une architecture capable de détecter des défauts ou des défaillances naissantes et de prédire le temps de vie restant des composants en défauts pour un véhicule autonome sans pilote, puis pour une flotte de véhicule autonomes en considérant des stratégies de commandes coopératives.

Innovations:
L'innovation de ce sujet de thèse autant que les résultats attendus résident dans la fusion de thématiques de recherche importantes pour les applications en sureté de fonctionnement : le diagnostic et le pronostic pour la détection et la localisation de défauts présents et à survenir. Il existe quelques résultats pour chacune de ces thématiques dans le cadre des véhicules autonomes sans pilote mais peu dans le cadre des flottes de véhicules autonomes. L'objectif de ce travail est également d'établir une approche et théorie unifiée.

Références:
[1] Xinwei Li, Wenjin Zhang, Design of Prognostic and Health Management Structure for UAV System, 21st International Conference on Systems Engineering (ICSEng), 2011
[2] Edward Balaban and Juan J. Alonso, A Modeling Framework for Prognostic Decision Making and its Application to UAV Mission Planning, Annual Conference of the Prognostics and Health Management Society 2013
[3] I. Paixao de Medeiros, L. Ramos Rodrigues, R. Santos, E. Hideiti Shiguemori, C.L. Nascimento Junior, PHM-based Multi-UAV task assignment, 8th Annual IEEE on Systems Conference (SysCon), 2014
[4] Handbook of Unmanned Aerial Vehicles, Kimon P. Valavanis & George J. Vachtsevanos Editors, Springer, 2014 (ISBN 978-90-481-9706-4)
[5] F. R. López-Estrada, J. C. Ponsart, D. Theilliol, C. Astorga-Zaragoza, Y. Zhang, Robust sensor fault diagnosis and tracking controller for a uav modelled as LPV system, International Conference on Unmanned Aircraft Systems (ICUAS’2104), 2014
Mots clés : model-based fault diagnosis method, prognosis & health management (PHM), autonomous unmanned Vehicl
Département(s) :
Contrôle Identification Diagnostic
Financement : CONACYT program/Mexico