Estimation d'état distribuée sous contraintes pour une mission de surveillance multi-capteurs multi-robots - Groupement de Recherche en Modélisation, Analyse et Conduite des Systèmes dynamiques Accéder directement au contenu
Thèse Année : 2022

Estimation d'état distribuée sous contraintes pour une mission de surveillance multi-capteurs multi-robots

Constrained distributed state estimation for surveillance missions using multi-sensor multi-robot systems

Résumé

Distributed algorithms have pervaded many aspects of control engineering with applications for multi-robot systems, sensor networks, covering topics such as control, state estimation, fault detection, cyber-attack detection and mitigation on cyber-physical systems, etc. Indeed, distributed schemes face problems like scalability and communication between agents. In multi-agent systems applications (e.g. fleet of mobile robots, sensor networks) it is now common to design state estimation algorithms in a distributed way so that the agents can accomplish their tasks based on some shared information within their neighborhoods. In surveillance missions, a low-cost static Sensor Network (e.g. with cameras) could be deployed to localize in a distributed way intruders in a given area. In this context, the main objective of this work is to design distributed observers to estimate the state of a dynamic system (e.g. a multi-robot system) that efficiently handle constraints and uncertainties but with reduced computation load. This PhD thesis proposes new Distributed Moving Horizon Estimation (DMHE) algorithms with a Luenberger pre-estimation in the formulation of the local problem solved by each sensor, resulting in a significant reduction of the computation time, while preserving the estimation accuracy. Moreover, this manuscript proposes a consensus strategy to enhance the convergence time of the estimates among sensors while dealing with weak unobservability conditions (e.g. vehicles not visible by some cameras). Another contribution concerns the improvement of the convergence of the estimation error by mitigating unobservability issues by using a l-step neighborhood information spreading mechanism. The proposed distributed estimation is designed for realistic large-scale systems scenarios involving sporadic measurements (i.e. available at time instants a priori unknown). To this aim, constraints on measurements (e.g. camera field of view) are embodied using time-varying binary parameters in the optimization problem. Both realistic simulations within the Robot Operating System (ROS) framework and Gazebo environment, as well as experimental validation of the proposed DMHE localization technique of a Multi-Vehicle System (MVS) with ground mobile robots are performed, using a static Sensor Network composed of low-cost cameras which provide measurements on the positions of the robots of the MVS. The proposed algorithms are compared to previous results from the literature, considering several metrics such as computation time and accuracy of the estimates.
Les algorithmes distribués sont dorénavant présents dans de nombreux aspects de l'Automatique avec des applications pour des systèmes multi-robots, des réseaux de capteurs, couvrant des sujets tels que la commande, l'estimation d'état, la détection de défauts, la détection et l'atténuation des cyberattaques sur les systèmes cyber-physiques, etc. En effet, les systèmes distribués sont confrontés à des problèmes tels que l'extensibilité à un grand nombre d'agents et la communication entre eux. Dans les applications de systèmes multi-agents (par exemple, flotte de robots mobiles, réseaux de capteurs), il est désormais courant de concevoir des algorithmes d'estimation d'état de manière distribuée afin que les agents puissent accomplir leurs tâches sur la base de certaines informations partagées au sein de leur voisinage. Dans le cas de missions de surveillance, un réseau de capteurs statique et à faible coût (par exemple, caméras) pourrait ainsi être déployé pour localiser de manière distribuée des intrus dans une zone donnée. Dans ce contexte, l'objectif principal de cette thèse est de concevoir des observateurs distribués pour estimer l'état d'un système dynamique (par exemple, flotte de robots intrus) avec une charge de calcul réduite tout en gérant efficacement les contraintes et les incertitudes. Cette thèse propose de nouveaux algorithmes d'estimation distribuée à horizon glissant avec une pré-estimation de type Luenberger dans la formulation du problème local résolu par chaque capteur, entraînant une réduction significative du temps de calcul, tout en préservant la précision de l'estimation. En outre, ce manuscrit propose une stratégie de consensus pour améliorer le temps de convergence des estimations entre les capteurs sous des conditions de faible observabilité (par exemple, des véhicules intrus non visibles par certaines caméras). Une autre contribution concerne l'amélioration de la convergence de l'erreur d'estimation en atténuant les problèmes de non observabilité à l'aide d'un mécanisme de diffusion de l'information sur plusieurs pas (appelé "l-step") entre voisinages. L'estimation distribuée proposée est conçue pour des scénarios réalistes de systèmes à grande échelle impliquant des mesures sporadiques (c'est-à-dire disponibles à des instants a priori inconnus). À cette fin, les contraintes sur les mesures (par exemple, le champ de vision de caméras) sont incorporées dans le problème d'optimisation à l'aide de paramètres binaires variant dans le temps. L'algorithme développé est implémenté sous le middleware ROS (Robot Operating System) et des simulations réalistes sont faites à l'aide de l'environnement Gazebo. Une validation expérimentale de la technique de localisation proposée est également réalisée pour un système multi-véhicules (SMV) à l'aide d'un réseau de capteurs statiques composé de caméras à faible coût qui fournissent des mesures sur les positions d'une flotte de robots mobiles composant le SMV. Les algorithmes proposés sont également comparés à des résultats de la littérature en considérant diverses métriques telles que le temps de calcul et la précision des estimées.
Fichier principal
Vignette du fichier
118756_VENTURINO_2022_archivage.pdf (10.11 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-04005791 , version 1 (27-02-2023)

Identifiants

  • HAL Id : tel-04005791 , version 1

Citer

Antonello Venturino. Estimation d'état distribuée sous contraintes pour une mission de surveillance multi-capteurs multi-robots. Automatic. Université Paris-Saclay, 2022. English. ⟨NNT : 2022UPAST118⟩. ⟨tel-04005791⟩
84 Consultations
28 Téléchargements

Partager

Gmail Facebook X LinkedIn More