Vous êtes sur la page 1sur 33
Etat des lieux en robotique marine et sous-marine. Cas particulier de la commande des mini-v´ehicules

Etat des lieux en robotique marine et sous-marine. Cas particulier de la commande des mini-v´ehicules sous-marins.

Vincent Creuze

la commande des mini-v´ehicules sous-marins. Vincent Creuze To cite this version: Vincent Creuze. commande des

To cite this version:

Vincent Creuze.

commande des mini-v´ehicules sous-marins

tique 2013, Oct 2013, Annecy, France.

<lirmm-00877524>

Etat des lieux en robotique marine et sous-marine.

Cas particulier de la

Journ´ees Nationales de la Recherche en Robo-

<http://jnrr2013.webconf.inrialpes.fr/programme/>.

HAL Id: lirmm-00877524

Submitted on 28 Oct 2013

HAL is a multi-disciplinary open access archive for the deposit and dissemination of sci- entific research documents, whether they are pub- lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.

L’archive ouverte pluridisciplinaire HAL, est destin´ee au d´epˆot et `a la diffusion de documents scientifiques de niveau recherche, publi´es ou non, ´emanant des ´etablissements d’enseignement et de recherche fran¸cais ou ´etrangers, des laboratoires publics ou priv´es.

JNRR 2013, Annecy Etat des lieux en robotique marine et sous-marine Cas particulier de la

JNRR 2013, Annecy

JNRR 2013, Annecy Etat des lieux en robotique marine et sous-marine Cas particulier de la commande

Etat des lieux en robotique marine

et sous-marine

Cas particulier de la commande des

mini-véhicules sous-marins

Vincent Creuze (MCF), LIRMM, Montpellier

Animateur axe robotique marine et sous-marine du GT2

mini-véhicules sous-marins Vincent Creuze (MCF), LIRMM, Montpellier Animateur axe robotique marine et sous-marine du GT2

Types de robots marins et applications

crawler AUV glider bio-insp
crawler
AUV
glider
bio-insp

ROV

ASV

ROV : Remotely Operated Vehicle

télé-opéré, partiellement automatisé

observation ou manipulation (workclass)

Observer, Subsea Tech L2ROV, LIRMM H2000, ECA Hytec
Observer, Subsea Tech
L2ROV, LIRMM
H2000, ECA Hytec
Observer, Subsea Tech L2ROV, LIRMM H2000, ECA Hytec industrie offshore, inspection, science, déminage…

industrie offshore, inspection, science, déminage…

H2000, ECA Hytec industrie offshore, inspection, science, déminage… Victor 6000, Ifremer 2 K-Ster MineKiller, ECA

Victor 6000, Ifremer

2
2

K-Ster MineKiller, ECA

Types de robots marins et applications

crawler AUV glider bio-insp
crawler
AUV
glider
bio-insp

ROV

ASV

Crawler : véhicule à chenilles/roues et propulseurs • Uniquement télé-opéré AC-CELL 100, AC-CESS LBC, Seabotix
Crawler : véhicule à chenilles/roues et propulseurs
• Uniquement télé-opéré
AC-CELL 100, AC-CESS
LBC, Seabotix
Roving BAT, ECA Hytec
Inspection/nettoyage : canalisation, coque, riser.
Enfouissement de câbles, exploitation minière.
SeabedCrawler, Nautilus Minerals,
Australie
3

Types de robots marins et applications

crawler AUV glider bio-insp
crawler
AUV
glider
bio-insp

ROV

ASV

• entièrement autonome • AstrX et IdefX, IFREMER Daurade, ECA/GESMA
entièrement autonome
AstrX et IdefX, IFREMER
Daurade, ECA/GESMA
autonome • AstrX et IdefX, IFREMER Daurade, ECA/GESMA AUV : Autonomous Underwater Vehicle observation (vidéo,
autonome • AstrX et IdefX, IFREMER Daurade, ECA/GESMA AUV : Autonomous Underwater Vehicle observation (vidéo,

AUV : Autonomous Underwater Vehicle

observation (vidéo, sonar), mesure, océanographie, déminage

(vidéo, sonar), mesure, océanographie, déminage Remus, HYDROID Sardine, Lab-STICC/ENSTA Bretagne Aquatis,

Remus, HYDROID

sonar), mesure, océanographie, déminage Remus, HYDROID Sardine, Lab-STICC/ENSTA Bretagne Aquatis, ESIEA Lirmia 2,

Sardine, Lab-STICC/ENSTA Bretagne

Aquatis, ESIEA

Lirmia 2, LAFMIA/LIRMM

4

Types de robots marins et applications

crawler AUV
crawler
AUV
glider
glider
bio-insp
bio-insp

ROV

ASV

Glider : Planeur sous-marin à flottabilité variable

Autonomie accrue, comm. sat. en surface

Océanographie

Slocum glider, Teledyne / WHOI Record Atlantique, 2011 1KA Seaglider, iRobot
Slocum glider, Teledyne / WHOI
Record Atlantique, 2011
1KA Seaglider, iRobot

SeaExplorer, ACSA

Types de robots marins et applications

crawler
crawler
AUV
AUV
glider
glider
bio-insp
bio-insp

ROV

ASV

marins et applications crawler AUV glider bio-insp ROV ASV Bio-inspirés • Méduses, poissons, anguilles/serpents

Bio-inspirés

Méduses, poissons, anguilles/serpents

Aquajelly, Festo ACM-R5, Tokyo Inst. of Tech.
Aquajelly, Festo
ACM-R5, Tokyo Inst. of Tech.
Aquajelly, Festo ACM-R5, Tokyo Inst. of Tech. Ludique/esthétique, militaire (terre/eau), modulaire A n

Ludique/esthétique, militaire (terre/eau), modulaire

Tech. Ludique/esthétique, militaire (terre/eau), modulaire A n g e l s , I R C C
Tech. Ludique/esthétique, militaire (terre/eau), modulaire A n g e l s , I R C C

Angels, IRCCyN/Mines de Nantes

s , I R C C y N / M i n e s d e

Crabster CR200, KIOST, Corée

Jessiko, Robotswim

6

Types de robots marins et applications

crawler
crawler
AUV
AUV
glider
glider
bio-insp
bio-insp

ROV

ASV

marins et applications crawler AUV glider bio-insp ROV ASV ASV : Autonomous Surface Vehicle • Propulsion:

ASV : Autonomous Surface Vehicle

Propulsion: moteur, vent, houle

Record Pacifique, 2012 Inspector, ECA Vaimos, ENSTA Bretagne/Ifremer PacX wave glider, Liquid Rbotics
Record Pacifique, 2012
Inspector, ECA
Vaimos, ENSTA Bretagne/Ifremer
PacX wave glider, Liquid Rbotics
ENSTA Bretagne/Ifremer PacX wave glider, Liquid Rbotics défense, océanographie, climatologie 7 Brest-Douarnenez,

défense,

océanographie,

climatologie

ENSTA Bretagne/Ifremer PacX wave glider, Liquid Rbotics défense, océanographie, climatologie 7 Brest-Douarnenez, 2012
7
7

Brest-Douarnenez, 2012

Problématiques scientifiques associées

SLAM
SLAM
logiciel Communication Swarm
logiciel
Communication
Swarm

Perception

Commande

Communication Swarm P e r c e p t i o n Commande Acoustique (sonar) •

Acoustique (sonar)

Caractérisation de cible, évitement d’obstacle,

suivi de structures (pipeline, coque)

d’obstacle, suivi de structures (pipeline, coque) - segmentation, reconnaissance de formes - méthodes

- segmentation, reconnaissance de formes

- méthodes probabilistes

- reconstruction 3D

Mine (I. Quidu, ENSTA)
Mine (I. Quidu, ENSTA)

Difficultés et verrous

3D Mine (I. Quidu, ENSTA) Difficultés et verrous Détection de mines par sonar latéral - progrès

Détection de mines par sonar latéral

- progrès fortement contraints par la technologie

- faible fiabilité / précision

Problématiques scientifiques associées

SLAM
SLAM
logiciel Communication Swarm
logiciel
Communication
Swarm

Perception

Commande

Communication Swarm P e r c e p t i o n Commande Vision • Caractérisation

Vision

Caractérisation de cible, suivi de structures

- reconnaissance de formes

- reconstruction 3D

Mine
Mine

Reconstruction 3D, LIRMM

de formes - reconstruction 3D Mine Reconstruction 3D, LIRMM Détection de mine, ISEN Difficultés et verrous

Détection de mine, ISEN

3D Mine Reconstruction 3D, LIRMM Détection de mine, ISEN Difficultés et verrous - Turbidité, absorption des

Difficultés et verrous

- Turbidité, absorption des couleurs, éclairage

- Méthodes terrestres inadaptées (SIFT…)

Turbidité, absorption des couleurs, éclairage - Méthodes terrestres inadaptées (SIFT…) 9 Détection de mine, I3S

Problématiques scientifiques associées

SLAM
SLAM
logiciel Communication Swarm
logiciel
Communication
Swarm

Perception

Commande

Communication Swarm P e r c e p t i o n Commande F. Boyer, Ircynn
F. Boyer, Ircynn
F. Boyer, Ircynn
Ircynn/EMN
Ircynn/EMN

Bio-inspirée

Électro-location

- création d’un champ électrique

- mesure des déformations du champ

- détection des obstacles conducteurs ou non.

du champ - détection des obstacles conducteurs ou non. Difficultés et verrous - Modélisation - Etendre

Difficultés et verrous

- Modélisation

- Etendre la communauté

IRCCyNN
IRCCyNN
10
10

Problématiques scientifiques associées

Perception

SLAM logiciel Communication Swarm
SLAM
logiciel
Communication
Swarm

Commande

SLAM, principalement sur petits véhicules pour:

- borner les erreurs de positionnement

- garantir la couverture sonar complète d’une zone

(déminage)

la couverture sonar complète d’une zone (déminage) Difficultés et verrous -Faible résolution des images sonar

Difficultés et verrous

-Faible résolution des images sonar -Peu d’amers, différents selon point de vue

Problématiques scientifiques associées

Perception

SLAM Logiciel Communication Swarm
SLAM
Logiciel
Communication
Swarm

Commande

Autonomie décisionnelle et sureté de fonctionnement

- Architecture logicielle distribuée permettant de faire coopérer

une flottille hétérogène.

- Supervision

- Replanification de mission

- Architecture tolérante aux fautes

- Supervision - Replanification de mission - Architecture tolérante aux fautes PEA Action, ONERA/LAAS/DGA 12

PEA Action, ONERA/LAAS/DGA

Problématiques scientifiques associées

Perception

SLAM logiciel Communication Swarm
SLAM
logiciel
Communication
Swarm

Commande

Indispensable pour la mise en œuvre de flottilles

• Indispensable pour la mise en œuvre de flottilles Difficultés et verrous - Diffraction, réfraction,

Difficultés et verrous

- Diffraction, réfraction, atténuation, réflexions

- Très faibles débits (de qques octets/s à qques ko/s)

- Utiliser de nouvelles modulations

Simulations de réfractions et réflexions sous-marines, NURC
Simulations de réfractions et réflexions sous-marines, NURC
Interférences acoustiques 13
Interférences acoustiques
13

Problématiques scientifiques associées

Perception

SLAM logiciel Communication Swarm
SLAM
logiciel
Communication
Swarm

Commande

Swarm = meute ou flottille

- Accélérer l’exploration d’une zone (déminage)

- Saisir simultanément les aspect temporels et géographiques d’un

phénomène

- Porter des instruments complémentaires

- Coordonner un ASV et un AUV, améliorer le positionnement et

relayer l’information

AUV, améliorer le positionnement et relayer l’information Difficultés et verrous - Communications (qui?, quand?) -

Difficultés et verrous

- Communications (qui?, quand?)

- Perte d’un des membres

- Planification des trajectoires

- Mise en œuvre…

d’un des membres - Planification des trajectoires - Mise en œuvre… MASIM – Connect, Robotsoft /

MASIM Connect, Robotsoft / GIPSA Lab

Problématiques scientifiques associées

Perception

SLAM logiciel Communication Swarm
SLAM
logiciel
Communication
Swarm

Commande

SLAM logiciel Communication Swarm C o m m a n d e Les très petits véhicules

Les très petits véhicules sous-marins (<30kg) disposent d’un rapport puissance/poids très grand.

Leur faible inertie les rends plus sensibles aux :

- perturbations (ombilical, tourbillons…)

- variations des paramètres du modèle (capteur embarqué, salinité)

- effets dynamiques et gyroscopiques des moteurs

salinité) - effets dynamiques et gyroscopiques des moteurs Les approches classiques (PID, retour d’état…) ne
salinité) - effets dynamiques et gyroscopiques des moteurs Les approches classiques (PID, retour d’état…) ne
salinité) - effets dynamiques et gyroscopiques des moteurs Les approches classiques (PID, retour d’état…) ne
salinité) - effets dynamiques et gyroscopiques des moteurs Les approches classiques (PID, retour d’état…) ne

Les approches classiques (PID, retour d’état…) ne suffisent plus.

15

Etat de l’art

Principales commandes utilisées pour les robots sous-marins Classiques Robustes Hybrides Autres
Principales commandes utilisées pour les robots sous-marins
Classiques
Robustes
Hybrides
Autres

PID and acceleration feedback

[Fossen2002]

Nonlinear State Feedback

[Fossen2002]

Nonlinear

output feedback

[Adhami2011]

Adaptatives Regressor based Methods [Antonelli2001] Nonregressor Based methods [Zhao2005] Jacobian Transpose based
Adaptatives
Regressor based
Methods
[Antonelli2001]
Nonregressor
Based methods
[Zhao2005]
Jacobian
Transpose based
Controller
[Sun2009]
[Zhao2005] Jacobian Transpose based Controller [Sun2009] H_inf approaches [Roche2011] Sliding Mode

H_inf approaches

[Roche2011]

Sliding Mode

[Akakaya2009]

Higher Order Sliding Mode

[Salgado2004]

Fuzzy Sliding Mode [Marzbanrad

Reinforcement learning

[ElFakdi2008]

2011]

Fuzzy logic

Adaptive Fuzzy Sliding Mode

[Chang2003]

[Bessa2008]

Predictive

control

Backstepping/

[Steenson

Adaptive

2012]

[Lapierre2006]

Commandes adaptatives classiques

Efficaces, mais:

les paramètres à estimer doivent être bien initialisés on doit choisir entre robustesse et rapidité

Il faudrait découpler adaptation et robustesse

très grands gains d’adaptation

rapidité de convergence des paramètres

paramètres initialisés à 0

d’adaptation • rapidité de convergence des paramètres • paramètres initialisés à 0 commande adaptative L1 17

commande adaptative L1

Commande adaptative L1 [Hovakimyan 2010]

Les origines…

Direct MRAC (Model Reference Adaptive Controller)

Commande adaptative L1 [Hovakimyan 2010] Les origines… Direct MRAC (Model Reference Adaptive Controller) avec 1 8

avec

Commande adaptative L1 [Hovakimyan 2010] Les origines… Direct MRAC (Model Reference Adaptive Controller) avec 1 8

18

Commande adaptative L1 [Hovakimyan 2010]

Les origines…

Direct MRAC (Model Reference Adaptive Controller)

avec estimateur d’état

L1 [Hovakimyan 2010] Les origines… Direct MRAC (Model Reference Adaptive Controller) avec estimateur d’état 19
L1 [Hovakimyan 2010] Les origines… Direct MRAC (Model Reference Adaptive Controller) avec estimateur d’état 19

Commande adaptative L1 [Hovakimyan 2010]

Commande L1 :

Filtre passe-bas

Commande adaptative L1 [Hovakimyan 2010] Commande L1 : Filtre passe-bas 20
Commande adaptative L1 [Hovakimyan 2010] Commande L1 : Filtre passe-bas 20

Commande adaptative L1 [Hovakimyan 2010]

Commande L1 :

Commande adaptative L1 [Hovakimyan 2010] Commande L1 : Projection pour empêcher les paramètres de diverger. 21
Commande adaptative L1 [Hovakimyan 2010] Commande L1 : Projection pour empêcher les paramètres de diverger. 21

Projection pour empêcher les paramètres de diverger.

Commande adaptative L1 [Hovakimyan 2010]

Il est possible de considérer aussi un gain

ainsi qu’une perturbation

L1 [Hovakimyan 2010] Il est possible de considérer aussi un gain ainsi qu’une perturbation inconnu en

inconnu en entrée

L1 [Hovakimyan 2010] Il est possible de considérer aussi un gain ainsi qu’une perturbation inconnu en
L1 [Hovakimyan 2010] Il est possible de considérer aussi un gain ainsi qu’une perturbation inconnu en

Expérimentations

Expérimentations Scenario 1 : Conditions nominales Profondeur et tangage constants balle flottante Scenario 2 : Test
Expérimentations Scenario 1 : Conditions nominales Profondeur et tangage constants balle flottante Scenario 2 : Test
Scenario 1 : Conditions nominales Profondeur et tangage constants balle flottante Scenario 2 : Test
Scenario 1 : Conditions nominales
Profondeur et tangage constants
balle flottante
Scenario 2 : Test de robustesse
Augmentation de la flottabilité
choc
Scenario 3 : Réjection de perturbation
Choc mécanique

Control Input (Newton)

Expérimentations

Scenario 1 Cas nominal

Depth (z)

1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 Measured Depth -0.1 Desired
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
Measured Depth
-0.1
Desired Trajectory
-0.2
0
20
40
60
80
100
120
140
160
Depth (m)

Time (s)

Pitch ϑ

20 15 10 5 Measured Pitch 0 Desired Trajectory -5 0 20 40 60 80
20
15
10
5
Measured Pitch
0
Desired Trajectory
-5
0
20
40
60
80
100
120
140
24 160
Pitch angle  (deg)

Time (s)

1

0.8

0.6

0.4

0.2

0

-0.2

-0.4

-0.6

-0.8

-1

(deg) Time (s) 1 0.8 0.6 0.4 0.2 0 -0.2 -0.4 -0.6 -0.8 -1 Control inputs

Control inputs

Thruster 5 Thruster 6
Thruster 5
Thruster 6

0

20

40

60

80

100

Time(s)

120

140

160

Estimated parameters and disturbances

-0.8 -1 Control inputs Thruster 5 Thruster 6 0 20 40 60 80 100 Time(s) 120

Control Input (Newton)

Expérimentations

Scenario 2 Flottabilité augmentée de 32%

Scenario 2 Flottabilité augmentée de 32% Depth (z) 1 0.9 0.8 0.7 0.6 0.5 0.4 0.3

Depth (z)

1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 Measured Depth -0.1 Desired
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
Measured Depth
-0.1
Desired Trajectory
-0.2
0
20
40
60
80
100
120
140
160
Depth (m)

Time (s)

Pitch (ϑ)

20 15 10 5 Measured Pitch 0 Desired Trajectory -5 0 20 40 60 80
20
15
10
5
Measured Pitch
0
Desired Trajectory
-5
0
20
40
60
80
100
120
140
16
Pitch angle  (deg)

Time (s)

1

0.8

0.6

0.4

0.2

0

-0.2

-0.4

-0.6

-0.8

-1

Control inputs

Thruster 5 Thruster 6
Thruster 5
Thruster 6

0

20

40

60

80

100

Time(s)

120

140

160

Estimated parameters and disturbances

-1 Control inputs Thruster 5 Thruster 6 0 20 40 60 80 100 Time(s) 120 140

25

Control Input (Newton)

Expérimentations

Superposition Scenario 1 & 2

Depth (z)

1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 Nominal Case -0.1 Added
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
Nominal Case
-0.1
Added Buoyancy
-0.2
0
20
40
60
80
100
120
140
160
Depth (m)

Time (s)

Pitch (ϑ)

20 15 10 5 0 Nominal Case Added Buoyancy -5 0 20 40 60 80
20
15
10
5
0
Nominal Case
Added Buoyancy
-5
0
20
40
60
80
100
120
140
160
Pitch angle  (deg)

Time (s)

Cas nominalFlotta augmentée

Flotta augmentée

1

0.8

0.6

0.4

0.2

0

-0.2

-0.4

-0.6

-0.8

-1

Control inputs

Thruster 5 Thruster 6
Thruster 5
Thruster 6

0 20

40

60

80

100

Time(s)

120

140

160

Estimated parameters and disturbances

5 0 -5 -10 -15 -20 ^ Par amet er s ( µ)
5
0
-5
-10
-15
-20
^
Par amet er s ( µ)
0 -20 -40 -60 -80 0 20 40 60 80 100 120 140 160 Dist
0
-20
-40
-60
-80
0 20
40
60
80
100
120
140
160
Dist ur bances ( ^¾)

Time (s)

26

Control Input (Newton)

Expérimentations

Scenario 3 Rejet de chocs

Depth (z)

1.2 1 0.8 0.6 Nominal Case depth Added Buoyancy 0.4 Depth (m)
1.2
1
0.8
0.6
Nominal Case
depth
Added Buoyancy
0.4
Depth (m)

200

220

240

260

Time(s)

Pitch (ϑ)

280

300

20 10 0 -10 Desired Trajectory Measured Pitch -20 200 220 240 260 280 300
20
10
0
-10
Desired Trajectory
Measured Pitch
-20
200
220
240
260
280
300
Pitch angle  (deg)

Time (s)

200 220 240 260 280 300 Pitch angle  (deg) Time (s) Control inputs 1 0.8

Control inputs

1

0.8

0.6

0.4

0.2

0

-0.2

-0.4

-0.6

-0.8

-1

Thruster 5 Thruster 6
Thruster 5
Thruster 6

200

220

240

260

280

300

Time(s)

Estimated parameters and disturbances

27

10 5 0 -5 ^ µ -10 -15 -20 ^ µ -25 -30 -35 20
10
5
0
-5
^
µ
-10
-15
-20
^
µ
-25
-30
-35
20
0
-20
-40
^¾
-60
^¾
-80
-100
-120
200
220
240
260
280
300
Dist ur bances ( ^¾)
^
Par amet er s ( µ)

Time (s)

Commande L1 augmentée [Maalouf 2013]

150 100 50 0 -50 -100 Reference trajectory without Nonlinear P with Nonlinear P -150
150
100
50
0
-50
-100
Reference trajectory
without Nonlinear P
with Nonlinear P
-150
0
5
10
15
20
25
30
35
40
45
50
System Output y(t)

La commande L1 souffre de retard lors du suivi de trajectoires variables.

souffre de retard lors du suivi de trajectoires variables. Nous avons proposé une extension permettant de

Nous avons proposé une extension permettant de diminuer ce retard.

Time (s)
Time (s)

28

Commande L1 augmentée [Maalouf 2013]

1 0.8 0.6 0.4 D esi r ed Tr a j ect or y 0.2
1
0.8
0.6
0.4
D esi r ed
Tr a j ect or y
0.2
St an d ar d
L 
0
P I
A u gmen t at i on
Depth (m)

0

50

100

150

200

250

300

350

Réduction du retardA u gmen t at i on Depth (m) 0 50 100 150 200 250 300

Adaptation maintenuet at i on Depth (m) 0 50 100 150 200 250 300 350 Réduction du

Légèrement plus sensible aux perturbationsd L  0 P I A u gmen t at i on Depth (m) 0

Expérimentations commande L1

Expérimentations commande L1 30

Nouveaux besoins industriels…

énergie

éoliennes

hydroliennes thermique
hydroliennes
thermique

nucléaire ?

2013 2020 2030
2013
2020
2030

défense, pétrole

surveillance

prospection sismique meutes 31
prospection sismique
meutes
31

Nouveaux besoins industriels…

énergie

éoliennes

- design

- perception

- - hydroliennes
-
-
hydroliennes

commande

manipulation

thermique
thermique

- Sureté

nucléaire ?

2013 2020 2030
2013
2020
2030

défense, pétrole

surveillance

-Autonomie

- Evitement

prospection sismique meutes - Récupération - Communication - Low-cost - Autonomie 32
prospection sismique
meutes
- Récupération
- Communication
- Low-cost
- Autonomie
32