Planification et suivi de trajectoire en B-spline pour plusieurs véhicules aériens sans pilote.

B-spline trajectory planning and following for a team of aerial unmanned aerial vehicles.

• Auteur / Autrice : Vincent Marguet
• Direction : Ionela Prodan
• Type : Projet de thèse
• Discipline(s) : Automatique - Productique
• Date : Inscription en doctorat le 01/10/2021
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale électronique, électrotechnique, automatique, traitement du signal (Grenoble ; 199.-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de conception et d'intégration des systèmes
• Partenaire(s) de recherche : Equipe de recherche : CO4SYS

Mots clés

Mots clés libres

Plannification du mouvement

Véhicules aériens sans pilote (UAVs)

Contrôle robuste basé sur l'optimisation

Coordination

B-spline

Motion planning

Unmanned Aerial Vehicles (UAVs)

Robust optimization based control

Coordination

B-spline

Résumé

Cette thèse vise à fournir un cadre fiable dans lequel les informations d'un environnement complexe sont collectées par un maillage de capteurs fixes au sol et une équipe mobile de drones. Ainsi, les drones doivent avoir une trajectoire passant à proximité des capteurs au sol tout en respectant les contraintes liées à la dynamique, à l'environnement et à la communication entre les drones. En effet, les capteurs ont un rayon de communication limité, ce qui impose des contraintes de distance entre les drones. Ceux-ci peuvent changer leur formation pour s'adapter aux contraintes liées à l'environnement. Les contraintes doivent être prise en compte tout en minimisant une fonction de coût (longueur de la trajectoire, temps pour la mission ou encore énergie nécessaire) à minimiser. Pour résumé, un mécanisme de planification du mouvement (incluant la génération et le suivi de trajectoire) fournit des trajectoires robustes qui garantissent le passage à proximité des capteurs, évitent les régions interdites et minimisent les coûts en temps et en énergie pour les drones. Des stratégies de contrôle avancées assureront la robustesse contre les perturbations et les défaillances avec un suivi de trajectoire garanti. L'allocation centralisée et distribuée des tâches au sein de l'équipe de drones sera considérée. La première implique un superviseur commun et la seconde requiert des stratégies de consensus et une autonomie accrue. Les applications de l'agriculture de précision seront prises en compte car elles présentent plusieurs caractéristiques intéressantes.

This thesis aims to provide a reliable framework in which information from a complex environment is collected by a mesh of fixed ground-based sensors and a mobile UAV team. Thus, the UAVs must have a trajectory passing close to the sensors on the ground, while respecting constraints related to dynamics, environment and communication between UAVs. Indeed, sensors have a limited communication radius, which imposes distance constraints between drones. They can change their formation to adapt to environmental constraints. These constraints have to be taken into account while minimizing a cost function (trajectory length, mission time or energy required). In summary, a motion-planning mechanism (including trajectory generation and tracking) provides robust trajectories that guarantee proximity to sensors, avoid forbidden regions and minimize time and energy costs for UAVs. Advanced control strategies will ensure robustness against disturbances and failures with guaranteed trajectory tracking. Centralized and distributed task allocation within the drone team will be considered. The former involves a common supervisor, while the latter requires consensus strategies and increased autonomy. Precision agriculture applications will be taken into account, as they present several interesting features.