Khelil SIDI BRAHIM (équipe COVE) soutient sa thèse de doctorat en automatique le lundi 27 novembre 2023 à 14h00, à l'École doctorale sciences, technologies, santé (UPJV EDSTS 585) à Amiens
Cette thèse a été effectuée au Laboratoire Modélisation, Information et Systèmes (MIS), à l’Université de Picardie Jules Verne (UPJV) en collaboration avec le Laboratoire de Modélisation des Systèmes Energétiques (LMSE) à l’Université Mohammed Khider de Biskra dans le cadre d’une thèse en cotutelle internationale.
Jury
M’SAAD Mohamed, Professeur ENSI. de Caen (France), Président
EL HAJJAJI Ahmed, Professeur U. de Picardie Jules Verne (France), Directeur de thèse
TERKI Nadjiba, Professeur U. de Biskra (Algérie), Co-Directeur de thèse
HASSAN Noura, Professeur U. d’Aix Marseille (France), Rapporteur
BELKHEIRI Mohamed, Professeur U. de Laghouat (Algérie), Rapporteur
BOUMEHRAZ Mohamed, Professeur U. de Biskra (Algérie), Examinateur
LARA ALABAREAZ David, Professeur TECNM de Misantla (Mexique), Membre invité
Résumé
Cette thèse aborde le problème du suivi de trajectoire des drones en présence de perturbations, d'incertitudes et de contraintes d'actionneurs. Lorsqu'un drone vole dans des environnements réels et complexes, il est exposé à diverses perturbations telles que les vents, les turbulences atmosphériques et les variations de charge. De plus, les incertitudes liées à la modélisation du système et aux capteurs peuvent également affecter la précision du suivi de trajectoires. Ces facteurs perturbateurs rendent la tâche de contrôle du drone plus difficile et peuvent compromettre sa capacité à maintenir une trajectoire précise. De plus, les contraintes sur les actionneurs, telles que les limitations de vitesse, de couple ou de positionnement, ajoutent une complexité supplémentaire à la conception du contrôleur. Les méthodes de contrôle proposées reposent sur des techniques avancées telles que la commande par mode de glissant, le contrôle adaptatif et le contrôle robuste, spécifiquement adaptées aux défis rencontrés dans le domaine des drones. L’approche proposée permet de compenser les effets néfastes des perturbations et des incertitudes, tout en respectant les contraintes sur les actionneurs, afin de maintenir une trajectoire souhaitée dans un temps fini. Des résultats prometteurs ont été obtenus en simulation sur Matlab/Simulink. Par la suite, plusieurs essais expérimentaux ont été menés sur parrot mambo mini-drone. Ces résultats expérimentaux constituent une validation importante de l'approche développée et ouvrent la voie à son application pratique dans le domaine des drones.
Abstract
This thesis addresses the problem of trajectory tracking for drones in the presence of disturbances, uncertainties, and actuator constraints. When a drone operates in real and complex environments, it is exposed to various disturbances such as winds, atmospheric turbulence, and payload variations. Additionally, uncertainties of modeling and sensors can also impact the accuracy of trajectory tracking. These disruptive factors pose significant challenges to drone control and can potentially compromise its ability to maintain precise trajectories. Furthermore, actuator constraints, such as speed, torque, or positioning limitations, introduce additional complexity to the controller design. The proposed control methods are based on advanced techniques, including sliding mode control, adaptive control, and robust control, specifically tailored to address the challenges encountered in the field of drones. The proposed approach aims to mitigate the adverse effects of disturbances and uncertainties while satisfying the constraints imposed on the actuators, thus enabling the drone to maintain desired trajectories within finite time intervals. Promising results have been achieved through simulation using Matlab/Simulink. Subsequently, several experimental trials have been conducted using the Parrot Mambo mini-drone. These experimental results show the effectiveness of the proposed approaches and provide space for their implementation in the field of drones.
