| note
| - 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).
- 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).
|
![[RDF Data]](/fct/images/sw-rdf-blue.png)
