COMMANDE ET MODELISATION D'UN FLOTTE DE DRONES

Contexte

Depuis quelques années l'utilisation de drones sans pilote se développe et cet usage est même devenu indispensable dans certains domaines d'application. Ceux-ci sont très divers puisqu'il peut s'agir d'applications liées à la surveillance d'infrastructures, à l'agriculture, à la défense, aux transports, à la gestion des catastrophes ou encore au divertissement [1,2,3,4]. Ce projet de thèse se focalise ainsi sur des problématiques sous-jacentes à la gestion et à l'analyse du comportement d'un ensemble de drones sans pilote, ou MUAV (Multi Unmanned Aerial Vehicle), coopérant et interagissant pour l'accomplissement d'une mission.

Le sujet est vaste et par suite les problématiques peuvent être multiples suivant les configurations technologiques et les applications. Ainsi, afin de borner le champ d'étude, nous allons considérer des quadcopters puisqu'il s'agit des drones les plus populaires du fait de caractéristiques structurelles avantageuses telles que la simplicité de la structure, la manœuvrabilité et leur capacité à décoller à la verticale [5]. Par simplicité, mais sans perte de généralité dans les développements technologiques envisagés, nous supposerons aussi que tous les drones sont identiques.

Nous nous plaçons dans le cadre où le comportement de chaque drone est assuré localement par une loi de commande. Nous considérons par ailleurs que les drones communiquent entre eux, ceci afin qu'ils évoluent de manière coordonnée, c'est-à-dire qu'ils adoptent une configuration prédéfinie et/ou se déplacent tous à une même vitesse tout en assurant l'évitement d'obstacles éventuels. Les informations échangées sont des informations de position et éventuellement de vitesse, d'orientation ou de commande. Malheureusement, comme pour les systèmes de contrôle traditionnels, les drones sont vulnérables à des attaques sur les données qu'ils reçoivent. Ils sont en effet exposés à recevoir de fausses données injectées par des voisins compromis, et bien entendu ces fausses données peuvent nuire fortement à la cohésion de la flotte, voire même conduire à la perte de certains drones. La gestion de la commande des drones dans ce contexte difficile est l'hypothèse de départ de ce projet de thèse.

Objectifs

Nous nous focalisons dans ce projet sur deux problématiques complémentaires. La première problématique relève de l'observation et de la commande des drones, l'objectif ici étant le développement d'une stratégie d'observation/commande pour lutter contre des cyberattaques de type Injection de Fausses Données (FDI) [6]. La seconde problématique relève de la modélisation du comportement de drone au sein de la flotte, l'objectif ici est l'adaptation d'outils usuels d'identification ([7]) à l'estimation d'un modèle paramétrique de type Cucker-Smale [8,9]. Des développement théoriques et validations expérimentales sont visés pour ces deux problématiques.

Le projet de recherche proposé se déroulera au sein du Laboratoire d'Ingénierie des Systèmes de Caen (LIS - UR 7478), laboratoire de recherche de l'Université de Caen Normandie et de l'ENSICAEN. Le LIS est spécialisé dans le développement d'observateurs et de lois de commande ainsi que dans le développement d'algorithmes d'identification, le LIS est par ailleurs équipé d'une plateforme expérimentale de drones. A court terme, ce projet de thèse est ainsi un projet de recherche incrémentale, puisqu'il s'inscrit dans la continuité directe de nos activités. Ce projet est aussi un projet de recherche innovant, puisqu'il va nous permettre de nous positionner sur un domaine d'application, la gestion d'une flotte de drone, particulièrement saillant. A plus long terme, ce projet s'inscrit dans le développement d'une expertise du laboratoire sur le plan de la commande des systèmes multi-agents, expertise en court de développement au sein du laboratoire.

Bibliographie

[1] J. Seo, L. Duque et J. Wacker, "Drone-enabled bridge inspection methodology and application", Automation in construction, vol 94, pp. 112-126, 2018.

[2] H. Glida, L. Abdou, A. Chelihi, et al., "Optimal model-free backstepping control for a quadrotor helicopter", Nonlinear Dynamics, vol 100(4), pp. 3449-3468, 2020.

[3] H. Shakhatreh, A.H. Sawalmeh, A. Al-Fuqaha, et al., "Unmanned aerial vehicles (UAVs): A survey on civil applications and key research challenges", IEEE Access, vol 7, pp. 48572-48634, 2019.

[4] H. Glida, A. Chelihi, C. Sentouh, et al., "Optimal Model-Free Tracking Control Based on Direct Adaptive Fuzzy Controller for a Mini-Drone", IEEE Transactions on Aerospace and Electronic Systems, doi: 10.1109/TAES.2025.3636505, 2025.

[5] A. Eskandarpour et I. Sharf, "A constrained error-based MPC for path following of quadrotor with stability analysis", Nonlinear Dynamics, vol 99(2), pp. 899-918, 2020.

[6] D.W. Zhang et G.P. Liu, "Predictive Sliding-Mode Control for Networked High-Order Fully Actuated Multiagents Under Random Deception Attacks", IEEE Transactions on Systems, Man, and Cybernetics: Systems, vol 54(1), pp. 484-496, 2024.

[7] Ljung L., "System Identification: Theory for User", Prentice Hall, 1999.

[8] F. Cucker et S. Smale, "Emergent Behavior in Flocks", IEEE Transactions on Automatic Control, vol 52 (6), pp.852-862, 2007.

[9] A. Maupoux, "Modélisation, analyse mathématiques et simulation numérique de grandes flottes de drones autonomes", PhD Thesis, Toulouse 2023.

Le projet de recherche proposé se déroulera au sein du Laboratoire d'Ingénierie des Systèmes de Caen (LIS - UR 7478), laboratoire de recherche de l'Université de Caen Normandie et de l'ENSICAEN. Le LIS est spécialisé dans le développement d'observateurs et de lois de commande ainsi que dans le développement d'algorithmes d'identification.

Compétence requise:

- maitrise des outils de l'automatique

- maitrise de matlab/simulink