Supervision du système de direction over-actionné de Mobile omnidrive véhicules lourds

Supervision of over-actuated steering system of mobile omnidrive heavy vehicle

• Auteur / Autrice : Gerardo Ayala Jaimes
• Direction : Rochdi Merzouki
• Type : Thèse de doctorat
• Discipline(s) : Automatique et informatique industrielle
• Date : Soutenance le 15/12/2016
• Etablissement(s) : Lille 1
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur (Lille ; 1992-2021)
• Partenaire(s) de recherche : Laboratoire : Centre de Recherche en Informatique, Signal et Automatique de Lille
• DOI : 10.70675/e6d9310ez367bz46c6zaa27z0b30a37c369a

Mots clés

Mots clés contrôlés

Modèles mathématiques

Interdisciplinarité dans les sciences

Robots autonomes

Détection de défaut (ingénierie)

Graphes de lien

Mots clés libres

Bond graph hybride

Incertitude paramétrique

Robot omnidrive

Isolement

Résumé

Ce travail se concentre sur la modélisation et l'analyse d'un système de direction sur-motorisé d'un (véhicule) poids lourd omnidrive. Il fait partie d'un robot appelé RobuTAINeR, il est utilisé pour le transport conteneurs de 12 mètres à l'intérieur des espaces confinés à terminaux maritimes. Dans cette classe de robots, la direction et la roue jouent un rôle crucial pour la navigation autonome, par conséquent, il est une nécessité pour comprendre et modéliser les capacités de mouvement omnidirectionnel, la commutation des comportements dynamiques, et ses zones multi-domaines: électrique, mécanique, hydrodynamique, etc. La technique Bond Graph est une méthodologie unificatrice pour réaliser et analyser les systèmes physiques aussi bien que l'échange énergétique, ce qui fait possible l'exploiter non seulement pour la modélisation, mais aussi pour la détection de défauts et l'isolement. La validation du modèle a été réalisée avec la simulation en temps réel, établie à partir de données réelles obtenues dans le simulateur SCANeR Studio et par rapport à la simulation sur le logiciel 20sim. Cette technique est utilisée pour modéliser des systèmes complexes comme: le contrôle de la direction hydraulique; la partie électromécanique du système de traction; la dynamique longitudinale, latérale et de lacet dans le centre de gravité du robot; et les forces latérales et longitudinales présentées dans le pneu-sol. Le diagnostic est appliqué avec le modèle hybride qui est appelé Diagnostic Bond Graph. Ainsi, un autre objectif est de modéliser et d'améliorer la robustesse de la détection de défaut en présence d'incertitudes paramétriques afin de réduire les fausses alarmes.

This work focuses on the modeling and analysis of an over-actuated steering system of a mobile omnidrive heavy vehicle that is part of a wheeled robot called RobuTAINeR. This robot is used for transporting 12-meters containers inside confined spaces of maritime terminals. In this class of robots, the steering and wheel play a crucial role for the autonomous navigation; hence, there is a necessity to understand and model the omnidirectional motion capabilities, switching dynamic behaviors, and its multi-domain areas: electrical, mechanical, hydrodynamic, etc. The Bond Graph technique is a unifying methodology to perform and analyze physical systems, where there is energy exchange, not only suitable for modeling but also for Fault Detection and Isolation. The validation of this model has been done with real-time simulation, based on real data integrated into the professional simulator SCANeR Studio and compared with the simulation on 20Sim. This professional tool is used to model complex systems such as the control of the hydraulic steering; the electromechanical section of the traction system; the longitudinal, lateral, and yaw dynamics of the robot motion concerning its center of gravity; and the lateral and longitudinal forces presented in the tire-ground. The diagnosis is applied to the hybrid model which is called Diagnostic Bond Graph. Thus, another objective is to model and improve the robustness of fault detection in the presence of parametric uncertainties in order to reduce false alarms.