Capteurs virtuels pour l'estimation du potentiel d'un véhicule

Virtual sensors for tire road friction estimation

• Auteur / Autrice : Younesse El mrhasli
• Direction : Bruno Monsuez
• Type : Projet de thèse
• Discipline(s) : Informatique, données, IA
• Date : Inscription en doctorat le 01/02/2021
• Etablissement(s) : Institut polytechnique de Paris
• Ecole(s) doctorale(s) : École doctorale de l'Institut polytechnique de Paris
• Partenaire(s) de recherche : Laboratoire : U2IS - Unité d'Informatique et d'Ingénierie des Systèmes
• Partenaire(s) de recherche : Equipe de recherche : SAR - Systèmes Autonomes et Robotique

Mots clés

Mots clés libres

Fusion de données

Dynamique du véhicule

Estimation

Capteurs virtuel

Apprentissage automatique

Coefficient de friction

Sensor fusion

Estimation

Friction coefficient

Vehicle dynamics

Machine learning

Virtual sensors

Résumé

Ces dernières décennies ont été marquées par le développement rapide de nouvelles technologies sur les voitures, notamment en matière de sécurité active et de conduite autonome. De plus en plus de systèmes avancés d'aide à la conduite (ADAS) font leur apparition afin d'offrir au passager ou au conducteur une expérience sûre et excitante. Les lignes de recherche actuelles sur ces systèmes intelligents indiquent que cet objectif substantiel peut être atteint par la surveillance en temps réel des états actuels du véhicule, l'apprentissage des conditions de frottement de la route et l'adaptation de la stratégie de contrôle en fonction de la situation identifiée. Cette thèse se concentre sur le développement d'un capteur virtuel rentable, robuste et évolutif pour surveiller le potentiel des pneus dans des conditions de conduite normales et agressives. Plus précisément, la fusion entre les capteurs de l'environnement, du véhicule et des pneus permet de concevoir une couche de niveau décisionnel capable de comprendre l'interaction entre les pneus et les composants de la route et donc d'estimer le potentiel du véhicule. En parallèle, les estimateurs des paramètres inertiels du véhicule sont développés comme un bloc en amont pour augmenter la précision de l'architecture globale. Dans cette thèse, nous nous attendons à ce que l'estimation en temps réel de la friction pneu-route pousse les stratégies de contrôle à un niveau optimal, augmente l'efficacité des systèmes d'aide à la conduite avancés actuels et futurs et accélère le développement de véhicules autonomes sûrs et hautement qualifiés.

The last few decades have witnessed the rapid development of new technologies on cars, especially in active safety and autonomous driving. More and more advanced driving assistance systems (ADAS) are surging in order to give the passenger or the driver a safe and exciting experience. The current research lines on these intelligent systems indicates that this substansial goal may be realised by real-time monitoring of the current vehicle states,learning the road friction conditions and adapting the control strategy depending on the identified situation. This thesis focuses on the developpement of a cost-effective, robust and scalable virtual sensor to monitor the tire potential in normal and agressive driving conditions. More precisely, fusion between environmental,vehicle and tire sensors is held to conceive a decision level layer capable of understanding the tire-road component interaction and therefore vehicle potential estimation. Alongside, vehicle inertial parameters estimators are to develop as an upstream block to increase the accuracy of the overall architecture. We expect in this thesis, that the real-time estimation of the tire road friction will push the control strategies to an optimal level, increase the efficiency of current and future advanced driving assistance systems andaccelerate the development of safe and highly-skilled autonomous vehicles.