Robots aquatiques: domaines d'applications

Embed Size (px)

DESCRIPTION

Etat des lieux en robotique marineet sous-marineCas particulier de la commande desmini-véhicules sous-marins

Citation preview

  • Etat des lieux en robotique marine et sous-marine. Cas

    particulier de la commande des mini-vehicules

    sous-marins.

    Vincent Creuze

    To cite this version:

    Vincent Creuze. Etat des lieux en robotique marine et sous-marine. Cas particulier de lacommande des mini-vehicules sous-marins.. Journees Nationales de la Recherche en Robo-tique 2013, Oct 2013, Annecy, France. .

    HAL Id: lirmm-00877524

    http://hal-lirmm.ccsd.cnrs.fr/lirmm-00877524

    Submitted on 28 Oct 2013

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

    Larchive ouverte pluridisciplinaire HAL, estdestinee au depot et a` la diffusion de documentsscientifiques de niveau recherche, publies ou non,emanant des etablissements denseignement et derecherche francais ou etrangers, des laboratoirespublics ou prives.

  • Etat des lieux en robotique marine et sous-marine

    Cas particulier de la commande des mini-vhicules sous-marins

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

    JNRR 2013, Annecy

  • Types de robots marins et applications

    ROV : Remotely Operated Vehicle

    tl-opr, partiellement automatis

    observation ou manipulation (workclass)

    ROV crawler AUV glider bio-insp ASV

    Observer, Subsea Tech H2000, ECA Hytec Victor 6000, Ifremer L2ROV, LIRMM

    K-Ster MineKiller, ECA

    industrie offshore, inspection, science, dminage

    2

  • Types de robots marins et applications

    Crawler : vhicule chenilles/roues et propulseurs

    Uniquement tl-opr

    ROV crawler AUV glider bio-insp ASV

    AC-CELL 100, AC-CESS LBC, Seabotix Roving BAT, ECA Hytec

    SeabedCrawler, Nautilus Minerals, Australie

    Inspection/nettoyage : canalisation, coque, riser. Enfouissement de cbles, exploitation minire.

    3

  • Types de robots marins et applications

    AUV : Autonomous Underwater Vehicle

    entirement autonome

    observation (vido, sonar), mesure, ocanographie, dminage

    ROV crawler AUV glider bio-insp ASV

    AstrX et IdefX, IFREMER

    Sardine, Lab-STICC/ENSTA Bretagne

    Remus, HYDROID Daurade, ECA/GESMA

    Lirmia 2, LAFMIA/LIRMM Aquatis, ESIEA 4

  • Types de robots marins et applications

    Glider : Planeur sous-marin flottabilit variable

    Autonomie accrue, comm. sat. en surface

    Ocanographie

    ROV crawler AUV glider bio-insp ASV

    Slocum glider, Teledyne / WHOI 1KA Seaglider, iRobot

    SeaExplorer, ACSA

    Record Atlantique, 2011

    5

  • Types de robots marins et applications

    Bio-inspirs

    Mduses, poissons, anguilles/serpents

    ROV crawler AUV glider bio-insp ASV

    Aquajelly, Festo ACM-R5, Tokyo Inst. of Tech. Angels, IRCCyN/Mines de Nantes

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

    Jessiko, Robotswim Crabster CR200, KIOST, Core 6

  • Types de robots marins et applications

    ASV : Autonomous Surface Vehicle

    Propulsion: moteur, vent, houle

    ROV crawler AUV glider bio-insp ASV

    Inspector, ECA Vaimos, ENSTA Bretagne/Ifremer PacX wave glider, Liquid Rbotics

    Brest-Douarnenez, 2012

    Record Pacifique, 2012

    dfense, ocanographie, climatologie

    7

  • Problmatiques scientifiques associes

    Acoustique (sonar) Caractrisation de cible, vitement dobstacle,

    suivi de structures (pipeline, coque) - segmentation, reconnaissance de formes

    - mthodes probabilistes

    - reconstruction 3D

    Difficults et verrous - progrs fortement contraints par la technologie

    - faible fiabilit / prcision

    Perception SLAM logiciel Communication Swarm Commande

    Mine (I. Quidu, ENSTA) Dtection de mines par sonar latral

    8

  • Problmatiques scientifiques associes

    Vision

    Caractrisation de cible, suivi de structures

    - reconnaissance de formes

    - reconstruction 3D

    Difficults et verrous - Turbidit, absorption des couleurs, clairage

    - Mthodes terrestres inadaptes (SIFT)

    Perception SLAM logiciel Communication Swarm Commande

    Dtection de mine, ISEN

    Dtection de mine, I3S

    Mine

    Reconstruction 3D, LIRMM

    9

  • Problmatiques scientifiques associes

    Bio-inspire

    lectro-location

    - cration dun champ lectrique

    - mesure des dformations du champ

    - dtection des obstacles conducteurs ou non.

    Difficults et verrous - Modlisation

    - Etendre la communaut

    Perception SLAM logiciel Communication Swarm Commande

    F. Boyer, Ircynn

    IRCCyNN

    Ircynn/EMN

    10

  • Problmatiques scientifiques associes

    SLAM, principalement sur petits vhicules pour: - borner les erreurs de positionnement

    - garantir la couverture sonar complte dune zone (dminage)

    Perception SLAM logiciel Communication Swarm Commande

    11

    Difficults et verrous -Faible rsolution des images sonar -Peu damers, diffrents selon point de vue

  • Problmatiques scientifiques associes

    Autonomie dcisionnelle et suret de fonctionnement

    - Architecture logicielle distribue permettant de faire cooprer une flottille htrogne.

    - Supervision

    - Replanification de mission

    - Architecture tolrante aux fautes

    Perception SLAM Logiciel Communication Swarm Commande

    PEA Action, ONERA/LAAS/DGA

    12

  • Problmatiques scientifiques associes

    Indispensable pour la mise en uvre de flottilles

    Difficults et verrous - Diffraction, rfraction, attnuation, rflexions

    - Trs faibles dbits (de qques octets/s qques ko/s)

    - Utiliser de nouvelles modulations

    Perception SLAM logiciel Communication Swarm Commande

    Simulations de rfractions et rflexions sous-marines, NURC Interfrences acoustiques 13

  • Problmatiques scientifiques associes

    Swarm = meute ou flottille - Acclrer lexploration dune zone (dminage)

    - Saisir simultanment les aspect temporels et gographiques dun phnomne

    - Porter des instruments complmentaires

    - Coordonner un ASV et un AUV, amliorer le positionnement et relayer linformation

    Difficults et verrous - Communications (qui?, quand?)

    - Perte dun des membres

    - Planification des trajectoires

    - Mise en uvre

    Perception SLAM logiciel Communication Swarm Commande

    MASIM Connect, Robotsoft / GIPSA Lab

    14

  • Problmatiques scientifiques associes

    Perception SLAM logiciel Communication Swarm Commande

    Les trs petits vhicules sous-marins (

  • 16

    Principales commandes utilises pour les robots sous-marins

    Classiques Robustes Adaptatives Hybrides Autres

    Etat de lart

    PID and acceleration feedback [Fossen2002] Nonlinear State Feedback [Fossen2002] Nonlinear output feedback [Adhami2011]

    H_inf approaches [Roche2011] Sliding Mode [Akakaya2009] Higher Order Sliding Mode [Salgado2004]

    Regressor based Methods [Antonelli2001] Nonregressor Based methods [Zhao2005] Jacobian Transpose based Controller [Sun2009]

    Fuzzy Sliding Mode [Marzbanrad 2011] Adaptive Fuzzy Sliding Mode [Bessa2008] Backstepping/Adaptive [Lapierre2006]

    Reinforcement learning [ElFakdi2008] Fuzzy logic [Chang2003] Predictive control [Steenson 2012]

  • Commandes adaptatives classiques

    commande adaptative L1

    Efficaces, mais: les paramtres estimer doivent tre bien initialiss on doit choisir entre robustesse et rapidit

    trs grands gains dadaptation rapidit de convergence des paramtres paramtres initialiss 0

    17

    Il faudrait dcoupler adaptation et robustesse

  • Commande adaptative L1 [Hovakimyan 2010]

    Les origines Direct MRAC (Model Reference Adaptive Controller)

    avec 18

  • Commande adaptative L1 [Hovakimyan 2010]

    Les origines Direct MRAC (Model Reference Adaptive Controller) avec estimateur dtat

    19

  • Commande adaptative L1 [Hovakimyan 2010]

    Commande L1 :

    20

    Filtre passe-bas

  • Commande adaptative L1 [Hovakimyan 2010]

    Commande L1 :

    21

    Projection pour empcher les paramtres de diverger.

  • Commande adaptative L1 [Hovakimyan 2010]

    Il est possible de considrer aussi un gain inconnu en entre ainsi quune perturbation

    22

  • Scenario 1 : Conditions nominales Profondeur et tangage constants

    balle flottante

    Exprimentations

    23

    Scenario 2 : Test de robustesse Augmentation de la flottabilit

    Scenario 3 : Rjection de perturbation Choc mcanique

    choc

  • 0 20 40 60 80 100 120 140 160-5

    0

    5

    10

    15

    20

    Time (s)

    Pitc

    h a

    ng

    le

    (d

    eg

    )

    Measured Pitch

    Desired Trajectory

    24

    Control inputs

    Estimated parameters and disturbances

    0 20 40 60 80 100 120 140 160-0.2

    -0.1

    0

    0.1

    0.2

    0.3

    0.4

    0.5

    0.6

    0.7

    0.8

    0.9

    1

    Time (s)

    Dep

    th (m

    )

    Measured Depth

    Desired Trajectory

    Pitch

    Depth (z)

    0 20 40 60 80 100 120 140 160-1

    -0.8

    -0.6

    -0.4

    -0.2

    0

    0.2

    0.4

    0.6

    0.8

    1

    Time(s)

    Contr

    ol In

    put

    (New

    ton)

    Thruster 5

    Thruster 6

    Exprimentations Scenario 1 Cas nominal

  • 0 20 40 60 80 100 120 140 160-5

    0

    5

    10

    15

    20

    Time (s)

    Pit

    ch

    an

    gle

    (

    de

    g)

    Measured Pitch

    Desired Trajectory

    Estimated parameters and disturbances

    0 20 40 60 80 100 120 140 160-0.2

    -0.1

    0

    0.1

    0.2

    0.3

    0.4

    0.5

    0.6

    0.7

    0.8

    0.9

    1

    Time (s)

    Dep

    th (m

    )

    Measured Depth

    Desired Trajectory

    Depth (z)

    Pitch ()

    Scenario 2 Flottabilit augmente de 32%

    0 20 40 60 80 100 120 140 160-1

    -0.8

    -0.6

    -0.4

    -0.2

    0

    0.2

    0.4

    0.6

    0.8

    1

    Time(s)

    Control In

    put (N

    ew

    ton)

    Thruster 5

    Thruster 6

    Control inputs

    Exprimentations

    25

  • 0 20 40 60 80 100 120 140 160-0.2

    -0.1

    0

    0.1

    0.2

    0.3

    0.4

    0.5

    0.6

    0.7

    0.8

    0.9

    1

    Time (s)

    Dep

    th (m

    )

    Nominal Case

    Added Buoyancy

    0 20 40 60 80 100 120 140 160-5

    0

    5

    10

    15

    20

    Time (s)

    Pitc

    h an

    gle (de

    g)

    Nominal Case

    Added Buoyancy

    -20

    -15

    -10

    -5

    0

    5

    Parameters(^)

    0 20 40 60 80 100 120 140 160

    -80

    -60

    -40

    -20

    0

    Time (s)

    Disturbances(^)

    Control inputs

    Estimated parameters and disturbances

    Depth (z)

    Pitch ()

    Cas nominal Flotta augmente

    0 20 40 60 80 100 120 140 160-1

    -0.8

    -0.6

    -0.4

    -0.2

    0

    0.2

    0.4

    0.6

    0.8

    1

    Time(s)

    Control In

    put (N

    ew

    ton)

    Thruster 5

    Thruster 6

    Exprimentations

    26

    Superposition Scenario 1 & 2

  • 27

    Scenario 3 Rejet de chocs

    Control inputs Depth (z)

    Pitch ()

    200 220 240 260 280 3000.4

    0.6

    0.8

    1

    1.2

    Time(s)

    Depth

    (m

    )

    Nominal Case

    Added Buoyancy

    200 220 240 260 280 300-20

    -10

    0

    10

    20

    Time (s)

    Pitch a

    ngle

    (deg)

    Desired Trajectory

    Measured Pitch

    -35-30-25-20-15-10

    -505

    10

    Parameters(^)

    ^

    ^

    200 220 240 260 280 300-120

    -100

    -80

    -60

    -40

    -20

    020

    Time (s)

    Disturbances(^)

    ^

    ^

    200 220 240 260 280 300-1

    -0.8

    -0.6

    -0.4

    -0.2

    0

    0.2

    0.4

    0.6

    0.8

    1

    Time(s)

    Con

    trol

    Inp

    ut (N

    ewto

    n)

    Thruster 5

    Thruster 6

    Estimated parameters and disturbances

    depth

    Exprimentations

  • Commande L1 augmente [Maalouf 2013]

    0 5 10 15 20 25 30 35 40 45 50-150

    -100

    -50

    0

    50

    100

    150

    Time (s)

    Syste

    m O

    utp

    ut

    y(t

    )

    Reference trajectory

    without Nonlinear P

    with Nonlinear P

    0 5 10 15 20 25 30 35 40 45 50-150

    -100

    -50

    0

    50

    100

    150

    Reference trajectory

    without Nonlinear P

    with Nonlinear P

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

    Nous avons propos une extension permettant de diminuer ce retard.

    28

  • Commande L1 augmente [Maalouf 2013]

    0 50 100 150 200 250 300 350

    0

    0.2

    0.4

    0.6

    0.8

    1

    Depth

    (m

    )

    Desired Trajectory

    Standard L

    PI Augmentat ion

    Rduction du retard

    Adaptation maintenue

    Lgrement plus sensible aux perturbations

    29

  • Exprimentations commande L1

    30

  • Nouveaux besoins industriels nergie

    dfense, ptrole 2013 2020 2030

    oliennes hydroliennes nuclaire ? thermique

    surveillance meutes prospection sismique

    31

  • Nouveaux besoins industriels nergie

    dfense, ptrole 2013 2020 2030

    oliennes hydroliennes nuclaire ? thermique

    surveillance meutes prospection sismique

    -Autonomie - Evitement

    - Rcupration - Low-cost

    - Communication - Autonomie

    - design - perception

    - Suret - commande - manipulation

    32