Ingénierie et systèmes > Accueil > Automatique > Numéro
La vitesse longitudinale a un impact important sur la dynamique latérale du véhicule et peut donc rendre problématique le suivi de trajectoire. L’objectif de ce papier est de présenter différentes stuctures de régulation pour le guidage latéral d’un véhicule autonome. Ces structures sont : un PID simple, une boucle imbriquée avec un PI et un PID, un multi régulateur pondéré à base de PID. Ils sont comparés avec des simulations de changement de voie à vitesse constante pour différentes vitesses. Le papier met en évidence le fait qu’un PID seul n’est pas capable de garantir la stabilité du système dans tous les cas et que le multi PID permet le meilleur suivi de trajectoire.
Une manière élégante d’exploiter efficacement les redondances de commande disponibles pour les convertisseurs statiques multi-niveaux est de formuler des problèmes d’optimisation contraints. Ces problèmes sont similaires aux problèmes dits d’allocation de commandes rencontrés pour les systèmes mécaniques sur-actionnés. Les redondances et les contraintes sont prises en compte pour obtenir les meilleures performances. Dans ce papier, nous présentons un des premiers résultats de l’étude de méthodes de commande par allocation pour la conversion statique multi-niveaux. Nous proposons une nouvelle méthode pour l’onduleur à condensateurs flottants avec une attention particulière portée sur l’équilibrage actif des tensions des condensateurs afin de maintenir des tensions de commutation admissibles pour les interrupteurs. Nous formulons un problème d’optimisation linéaire dont la résolution repose sur le célèbre algorithme du simplexe. En simulation, nous faisons subir de fortes variations de la tension continue d’entrée. Grâce à notre méthode, ces perturbations sont rapidement rejetées, garantissant une meilleure sécurité des interrupteurs de puissance et une bande passante élevée.
L’adaptation dynamique des ressources de calcul à des variations de trafic, dans la gestion « nuagique », est un domaine actif d’investigation. Les automaticiens ont déjà proposé maints remèdes. On emploie, ici, la commande sans modèle et les correcteurs « intelligents » associés, faciles à implanter et aux nombreux succès industriels, pour traiter l’« élasticité horizontale ». Le comportement, comparé aux algorithmes commerciaux d’auto-ajustement, est meilleur, même avec des fluctuations aigües de charge. Des expériences sur le service Web d’Amazon (AWS) le confirment.
Dans un contexte de Véhicule Autonome Connecté (VAC), cet article propose une architecture hiérarchisée générique pour le Contrôle Global du Châssis (CGC). Les quatre niveaux qui composent cette architecture, à savoir : le Superviseur, la Commande Globale, la Répartition au niveau des Liaisons Au Sol (LAS) et la Commande Locale, sont détaillés. Dans une deuxième partie, un exemple dont l’objectif est d’illustrer la démarche de conception d’une telle architecture hiérarchisée est présenté. Pour des raisons didactiques, et sans que cela ne nuise à la démarche générale, le domaine d’étude de cet exemple se résume à une situation de freinage en ligne droite sur route sèche, lisse et horizontale, l’objectif étant de tenir la caisse sous sollicitations conducteur dans le domaine de fonctionnement associé au confort. Une Synthèse Fréquentielle de Commande Robuste (SFCR) fondée sur la commande CRONE est appliquée en ce qui concerne les commandes globale et locale. La comparaison des performances temporelles simulées à l’aide d’un modèle à 14 degrés de liberté du dispositif en mode actif et en mode dégradé met bien en évidence l’intérêt de l’approche proposée.
La planification de trajectoire est une partie essentielle pour le contrôle des robots mobiles. Ceci est plus vrai que jamais dans le contexte automobile et tout particulièrement pour le véhicule autonome. Dans ce papier, la méthode des champs de potentiel est proposée afin de respecter ces contraintes. De plus, les véhicules autonomes sont considérés équipés de tous les capteurs nécessaires pour la détection d’obstacles. Ainsi, les champs de potentiel attractif de Ge&Cui
et les champs de potentiel attractif fractionnaire ont été adaptés au contexte du véhicule autonome permettant ainsi d’assurer une meilleure robustesse du degré de stabilité tout en contrôlant l’accélération du véhicule.
Dans les dernières années, la recherche sur les véhicules autonomes a connu un essor sans précédent. De plus, elle vient s’ajouter à un effort permanent des constructeurs pour diminuer la consommation énergétique de leurs véhicules pour qu’ils soient toujours plus économes pour les conducteurs. Cet article traite le sujet de l’optimisation de trajectoire pour un véhicule autonome de type automobile, basée sur des critères de consommation, de temps de trajet ou de confort. L’article se concentre principalement sur les tests de ces critères, et sur la méthode utilisée pour effectuer
l’optimisation en combinant algorithme génétique et champs de potentiels. En cherchant des points intermédiaires optimaux dans le champ de potentiel, et en considérant de façon intelligente le mouvement des obstacles et le volume du véhicule, une trajectoire optimale peut être générée. Dans les deux premières parties de cet article les méthodes utilisées et le problème à résoudre sont décrits, puis quelques tests sur des scénarios réalistes sont effectués.
Aujourd’hui, « commande sans modèle », ou « MFC », et « commande par rejet actif de perturbations », ou
« ADRC », sont les approches les plus en vue pour préserver les avantages des PID, si populaires dans l’industrie, tout
en atténuant leurs carences. Après un bref rappel sur MFC et ADRC, plusieurs exemples démontrent la supériorité du
sans-modèle car permettant d’embrasser une classe beaucoup plus vaste de systèmes.
