Irrigation intelligente: Controle et fiabilisation d'un système d'irrigation

Smart Irrigation: Control and Reliability of an Irrigation System

• Auteur / Autrice : Rania Aboulfadl
• Direction : Mustapha Ouladsine, Christophe Roman
• Type : Projet de thèse
• Discipline(s) : Automatique
• Date : Inscription en doctorat le 10/01/2022
• Etablissement(s) : Aix-Marseille
• Ecole(s) doctorale(s) : École Doctorale Mathématiques et Informatique de Marseille (Marseille)
• Partenaire(s) de recherche : Laboratoire : LIS Laboratoire d'Informatique et Systèmes

Mots clés

Mots clés libres

Automatique

Détection et diagnostic des fautes

Intelligence artificielle

Artificial intelligence

Anomaly detection

Artificial intelligence

Résumé

Le projet de thèse aborde deux problématiques majeures dans le domaine de l'irrigation automatisée. La première porte sur la détection et l'estimation de fin de vie des batteries lithium-ion utilisées pour alimenter les dispositifs d'irrigation. Une méthode innovante, basée sur l'analyse des relations entre la température ambiante, la tension en boucle fermée et des alternatives comme l'enthalpie et l'entropie, a permis d'améliorer la précision et la rapidité de cette détection. Ces travaux offrent des solutions prometteuses pour augmenter la fiabilité des systèmes et anticiper les dégradations des batteries avant une décharge complète. La deuxième problématique concerne le contrôle optimal de l'irrigation afin d'assurer une gestion efficace et durable des ressources en eau. Le projet intègre la modélisation des processus d'irrigation avec des modèles AR prenant en compte les délais et les commutations des systèmes, ainsi que l'utilisation du contrôle prédictif (MPC) pour coordonner plusieurs unités d'irrigation sous contrainte. Les résultats permettent de proposer des plannings d'irrigation optimaux adaptés aux besoins spécifiques des secteurs agricoles. Ce projet, en combinant la détection avancée de la fin de vie des batteries et l'optimisation des systèmes d'irrigation, contribue à une meilleure durabilité des pratiques agricoles tout en renforçant la performance des technologies utilisées.

The thesis project addresses two major challenges in the field of automated irrigation. The first focuses on the detection and estimation of the end of life of lithium-ion batteries used to power irrigation devices. An innovative method, based on analyzing the relationships between ambient temperature, closed-loop voltage, and alternatives such as enthalpy and entropy, has significantly improved the accuracy and speed of this detection. These efforts provide promising solutions to enhance system reliability and anticipate battery degradation before complete discharge. The second challenge involves the optimal control of irrigation to ensure effective and sustainable water resource management. The project incorporates the modeling of irrigation processes using AR models that account for delays and system switching, as well as the application of Model Predictive Control (MPC) to coordinate multiple irrigation units under constraints. The results enable the proposal of optimal irrigation schedules tailored to the specific needs of agricultural sectors. By combining advanced battery end-of-life detection with the optimization of irrigation systems, this project contributes to more sustainable agricultural practices while enhancing the performance of the technologies employed.